近乎自主的AI化学家如何优化药物研发中的关键反应？OpenAI最新研究揭秘

引言：AI科学家的新里程碑

2026年6月17日，OpenAI发布了一项令人振奋的研究成果：通过与Molecule.one的Maria系统结合，GPT-5.4成功优化了药物化学中极具挑战性的Chan-Lam偶联反应，使80%以上的测试底物产率得到提升。这一成果不仅展示了AI在实验室中的实际应用价值，更标志着AI正从纯粹的推理工具进化为能够参与完整科研流程的“AI化学家”。 OpenAI在科学领域的工作始终基于一个简单信念：先进的AI可以成为科学家的强大伙伴，帮助他们探索更多想法、连接遥远概念、设计更优实验，并加速有益于人类的发现。此前，OpenAI已展示了模型在数学（单位距离问题）、理论物理（胶子振幅新结果）和生物学（GPT-5辅助降低无细胞蛋白质合成成本）领域的贡献，并推出了专为生命科学和药物发现设计的GPT-Rosalind模型。而这次与Molecule.one的合作，将这一轨迹延伸到了药物化学领域——在这里，进步不能仅靠推理来衡量，一个假设必须在实验室中通过真实分子、仪器和实验噪声的检验。

核心发现：GPT-5.4如何优化Chan-Lam偶联反应

研究过程：从开放目标到实验验证

研究人员将GPT-5.4与Maria——一个集成高通量实验室的自主化学AI系统——连接起来，并赋予其一个开放目标：改进几类重要反应中的一种。系统自主生成了研究提案、设计并运行了实验、分析了实验数据，并提出了后续实验建议。人类科学家则通过设计引导和评分提示、选择待测试提案来保持对过程的掌控，同时在实验计划出现偏差时进行有限修正，协助基础实验室操作，并独立验证最终结果。 在众多提案中，最引人注目的OAI-M1-03提案聚焦于Chan-Lam偶联的一个困难但实用的版本。Chan-Lam偶联是化学家用来形成碳-氮键的反应，在药物化学中应用广泛。GPT-5.4自主识别出伯磺酰胺类化合物是一类具有挑战性但高价值的底物，并建议使用包括TEMPO在内的温和氧化剂来改善反应。在Maria Lab的两轮实验中，这一想法带来了显著改进。

具体成果：产率大幅提升

在优化条件下，测试的硼酸中88%和磺酰胺中83%的底物产率得到提升。平均产率从16.6%提高到25.2%，产率超过30%的反应比例从15.6%提高到37.5%。人类化学家在实验室规模重复了代表性反应，验证了微升级实验结果：14个底物对中有11个显示更高产率，多数情况下产率提升超过两倍。 这一成果之所以重要，是因为药物化学家需要的不仅是微升级筛选实验中的良好表现，更需要在药物发现过程中实际实验室工作流程中可靠的化学反应。

为什么这个化学问题至关重要

有机化学与药物发现的瓶颈

有机化学是所有小分子药物以及农业、电子和材料科学产品的基础。当一个反应能够在多种不同起始材料上可靠地形成同一种化学键时，它才特别有用。当反应产率低或产生过多副产物时，化学家可能不得不放弃原本有前景的分子，或花费大量时间开发替代路线。这使得合成成为药物发现的主要瓶颈：科学家通常只能测试他们能够制造或获得的分子。

磺酰胺基团的重要性

磺酰胺基团存在于多种治疗领域的药物中，包括抗癌药、抗菌药和利尿剂。然而，伯磺酰胺与硼酸的Chan-Lam偶联历史上产率一直很低。使这一反应更可靠，可以为药物化学家提供更广泛、更实用的方法来生产和探索潜在有用的分子。

技术实现：GPT-5.4与Maria系统的协同

系统架构与工作流程

GPT-5.4与Maria系统的结合体现了互补能力的优势。科学家使用Maria AI编写提示词，通过一个“缰绳”系统与GPT-5.4配合，生成并排序数千个可能的研究提案。人类化学家审查根据系统评分排名最高的一小部分提案，选择四个进行实验室测试。Maria AI随后将选定的高层次计划转化为详细的实验指令，运行数千次高通量实验，分析原始数据，并将结构化结果返回给GPT-5.4。 在OAI-M1-03提案中，Maria Lab——Molecule.one专门的高通量实验室——运行了10,080次反应。系统建议使用TEMPO等温和氧化剂来改善Chan-Lam反应性能，这一创意来自GPT-5.4对文献的自主分析。

人机协作模式 值得注意的是，人类科学家在整个过程中保持了关键作用：

• 设计引导和评分提示
• 选择待测试提案
• 对实验计划进行有限修正
• 协助基础实验室操作
• 独立验证最终结果 这种“人在回路中”的模式既发挥了AI的自主探索能力，又确保了实验的可靠性和科学性。

意义与展望：AI科学家的未来

从推理到实验的跨越

这项研究展示了AI系统在科研全流程中的潜力：文献综述、提出意想不到的想法、设计实验、分析数据，并得出人类化学家可以评估的科学发现。与以往AI主要参与数学或理论物理等纯推理领域不同，药物化学需要面对真实世界的复杂性和噪声，这使得这一成果更具里程碑意义。

对药物研发的潜在影响

Chan-Lam偶联反应是药物化学中的关键工具，用于形成药物分子中常见的碳-氮键。通过提高伯磺酰胺类底物的偶联效率，AI直接帮助解决了药物发现中的一个长期瓶颈。随着AI系统在实验设计、数据分析和假设生成方面的能力不断提升，它们有望成为科学家在研发全过程中的宝贵伙伴。

未来方向

OpenAI表示，这仍然是一个早期结果，但它提供了更广泛方向的又一个具体例证：AI系统可以在研究循环的多个环节成为科学家的有价值伙伴。从数学到理论物理，从生物学到药物化学，AI正在逐步拓展其科学应用的边界。 对于关注OpenAI News的读者来说，这一进展意味着AI在科学发现中的作用正在从辅助工具向自主研究伙伴转变。未来，我们可能会看到更多类似的研究，AI系统能够独立提出假设、设计实验，并帮助人类科学家加速从实验室到临床的转化。

结论

GPT-5.4与Maria系统的合作成功优化了Chan-Lam偶联反应，证明了AI在真实实验室环境中的实用价值。这一成果不仅提升了特定反应的效率，更为AI在药物化学领域的应用开辟了新的可能性。随着技术的不断发展，AI科学家将成为人类探索未知世界不可或缺的伙伴。

---

相关阅读

• Codex-maxxing 策略：让 AI 在长期工作中持续发挥价值

• OpenAI 发布 ChatGPT for Excel 测试版及金融数据集成，加速金融工作流

• ChatGPT 推出群聊功能：协作与 AI 的新时代

关于 Bingdada

Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。 编辑团队：内容策划 · 技术编辑 · AI 研究组 网站：bingdada.com © 2026 Bingdada. 保留所有权利。