Intelligence artificielle et machine à molécules s’associent pour généraliser la chimie automatisée

L’intelligence artificielle, la chimie des « blocs de construction » et une machine de fabrication de molécules se sont associées pour trouver les meilleures conditions de réaction générales pour synthétiser des produits chimiques importants pour la recherche biomédicale et sur les matériaux – une découverte qui pourrait accélérer l’innovation et la découverte de médicaments ainsi que rendre la chimie complexe automatisée et accessible.

Grâce aux conditions optimisées générées par la machine, des chercheurs de l’Université de l’Illinois à Urbana-Champaign et des collaborateurs en Pologne et au Canada ont doublé le rendement moyen d’un type de réaction spécial, difficile à optimiser, reliant les atomes de carbone dans des molécules pharmaceutiquement importantes. Les chercheurs affirment que leur système fournit une plate-forme qui pourrait également être utilisée pour trouver des conditions générales pour d’autres classes de réactions et des solutions à des problèmes tout aussi complexes. Ils ont rapporté leurs découvertes dans le journal La science.

« La généralité est essentielle pour l’automatisation et rend ainsi l’innovation moléculaire accessible même aux non-chimistes », a déclaré le co-directeur de l’étude, le Dr Martin D. Burke, professeur de chimie dans l’Illinois et du Carle Illinois College of Medicine, ainsi que médecin. . « Le défi est que la botte de foin des conditions de réaction possibles est astronomique et que l’aiguille est cachée quelque part à l’intérieur. En tirant parti de la puissance de l’intelligence artificielle et de la chimie des blocs de construction pour créer une boucle de rétroaction, nous avons pu réduire la botte de foin. Et nous avons trouvé l’aiguille. »

Les machines de synthèse automatisées pour les protéines et les acides nucléiques tels que l’ADN ont révolutionné la recherche et la fabrication de produits chimiques dans ces domaines, mais de nombreux produits chimiques importants pour les applications pharmaceutiques, cliniques, de fabrication et de matériaux sont de petites molécules aux structures complexes, selon les chercheurs.

Le groupe de Burke a été le pionnier du développement de blocs de construction chimiques simples pour les petites molécules. Son laboratoire a également développé une machine de fabrication de molécules automatisée qui assemble les blocs de construction pour créer un large éventail de structures possibles.

Cependant, les conditions de réaction générales pour rendre le processus automatisé largement applicable sont restées insaisissables.

« Traditionnellement, les chimistes personnalisent les conditions de réaction pour chaque produit qu’ils essaient de fabriquer », a déclaré Burke. « Le problème est qu’il s’agit d’un processus lent et très dépendant de spécialistes, et très difficile à automatiser car la machine devrait être optimisée à chaque fois. Ce que nous voulons vraiment, ce sont des conditions qui fonctionnent presque à chaque fois, peu importe les deux choses que vous ‘essaient de s’emboîter. »

Une approche automatisée avec des conditions généralisées pourrait aider à normaliser la façon dont certains produits sont fabriqués, en résolvant le problème de la reproductibilité, a déclaré Vandana Rathore, chercheuse postdoctorale de l’Illinois, co-première auteure de l’étude.

Le groupe de Burke s’est associé à un groupe dirigé par Bartosz A. Grzybowski à l’Institut de chimie organique de l’Académie polonaise des sciences, ainsi qu’au groupe d’Alán Aspuru-Guzik à l’Université de Toronto, tous deux leaders dans l’utilisation de l’intelligence artificielle et de l’apprentissage automatique. améliorer la synthèse chimique. L’équipe a intégré l’IA à la machine à molécules pour fournir une rétroaction en temps réel au système d’apprentissage automatique.

« Pour distinguer le bien du mal, vous devez savoir quelque chose sur le mal, mais les gens ne publient que les succès », a déclaré Grzybowski. Les études publiées reflètent les conditions qui sont populaires ou pratiques, plutôt que les meilleures, donc une approche systématique qui incluait des données diverses et des résultats négatifs était nécessaire, a-t-il déclaré.

Tout d’abord, l’équipe a exécuté la matrice entière des combinaisons possibles en utilisant la chimie des blocs de construction via un algorithme pour regrouper des réactions similaires. Ensuite, l’IA a envoyé des instructions, entrées dans une machine du Molecule Maker Lab situé à l’Institut Beckman pour les sciences et technologies avancées de l’Illinois, pour produire des réactions représentatives de chaque cluster. Les informations issues de ces réactions sont réinjectées dans le modèle ; l’IA a appris des données et a commandé plus d’expériences de la machine à molécules.

« Nous cherchions à voir deux choses : une augmentation du rendement et une diminution de l’incertitude, pour un large éventail de réactions », a déclaré Grzybowski, qui travaille actuellement à l’Institut des sciences et technologies d’Ulsan en Corée du Sud. « Cette boucle s’est poursuivie sans que nous ayons à intervenir jusqu’à ce que le problème soit résolu. Il a fallu 30 ans pour déterminer les conditions généralisées des machines de synthèse des protéines. Cela nous a pris deux mois. »

Le processus a identifié des conditions qui ont doublé le rendement moyen d’une classe de réactions difficiles, appelée couplage hétéroaryle Suzuki-Miyaura, crucial pour de nombreux composés biologiques et pertinents pour les matériaux.

« Il existe toutes sortes de combinaisons de blocs de construction que nous n’avons même pas étudiées dans notre formation en IA, mais parce que l’IA avait exploré un espace si diversifié, elle a trouvé de bons résultats même dans ces domaines initialement inexplorés », a déclaré Nicholas H, étudiant diplômé de l’Illinois. Angello, co-premier auteur de l’étude.

Le processus d’apprentissage automatique décrit dans l’article pourrait également être appliqué à d’autres grands domaines de la chimie pour trouver les meilleures conditions de réaction pour d’autres types de petites molécules ou même de polymères organiques plus gros, selon les chercheurs.

« Il y a tellement de classes de matériaux différentes que nous voulons connaître, cibler et découvrir pour différentes propriétés fonctionnelles. La possibilité d’extension de cette approche à d’autres réactions chimiques similaires, d’autres types de liaisons carbone-carbone, est passionnante », a déclaré l’étude co- l’auteur Charles M. Schroeder, professeur de l’Illinois en science et génie des matériaux et en génie chimique et biomoléculaire, et affilié à l’Institut Beckman.