Forskare vid EPFL har utvecklat Synthegy, ett AI-ramverk som gör det möjligt för kemister att vägleda komplex molekylsyntes genom enkla språkinstruktioner. Systemet kombinerar traditionella algoritmer med stora språkmodeller för att utvärdera och rangordna reaktionsvägar. Det hjälper även till att förstå reaktionsmekanismer, vilket potentiellt kan påskynda läkemedelsutveckling.
Att skapa komplexa molekyler för läkemedel eller material kräver traditionellt år av expertis inom retrosyntes, där kemister arbetar baklänges från en målförening för att identifiera utgångsmaterial och reaktionsvägar. Synthegy, som har utvecklats av ett team lett av Philippe Schwaller vid EPFL, ändrar på detta genom att låta kemister ange instruktioner på naturligt språk, som att till exempel bilda en ring tidigt eller undvika skyddsgrupper. Standardmjukvara genererar vägar som AI:n sedan poängsätter och förklarar utifrån hur väl de stämmer överens med målen, vilket beskrivs i en artikel publicerad i Matter. Andres M. Bran, försteförfattare till artikeln, säger: 'Med Synthegy ger vi kemister möjligheten att bara prata, vilket gör att de kan iterera mycket snabbare och navigera bland mer komplexa syntetiska idéer.' Ramverket tillämpar liknande resonemang på reaktionsmekanismer genom att dela upp dem i elektronrörelser och utvärdera genomförbarhet under angivna förhållanden. I en dubbelblindstudie med 36 kemister som utförde 368 utvärderingar, överensstämde systemets bedömningar med mänskliga bedömningar i 71,2 procent av fallen. Större språkmodeller utmärkte sig i analysen av funktionella grupper och hela rutter. Bran tillägger: 'Kopplingen mellan syntesplanering och mekanismer är mycket spännande: vi använder vanligtvis mekanismer för att upptäcka nya reaktioner som gör att vi kan syntetisera nya molekyler.' Bidragsgivare inkluderar National Centre of Competence in Research Catalysis och b12 Labs. Tidskriftsreferensen är Andres M. Bran et al., Matter, 2026; DOI: 10.1016/j.matt.2026.102812.
