Projetar uma molécula do zero é um dos problemas mais difíceis da química. Não se trata apenas de saber quais átomos conectar — trata-se de conhecer a ordem correta das reações, quando proteger partes sensíveis da molécula e como evitar becos sem saída que poderiam arruinar meses de trabalho em laboratório.
Tradicionalmente, esse conhecimento reside na mente de químicos experientes. Agora, uma equipe da EPFL quer inseri-lo em um modelo de linguagem.
Pesquisadores liderados por Philippe Schwaller publicaram um artigo esta semana na Matter descrevendo o Synthegy, um framework que utiliza grandes modelos de linguagem (LLMs) como motores de raciocínio para o planejamento de síntese química. A percepção chave é sutil, mas importante: em vez de pedir à IA para gerar moléculas, a equipe utiliza a IA para avaliar rotas de síntese que softwares tradicionais já produzem.
Veja como funciona: Um químico digita um objetivo em linguagem natural, algo como "formar o anel de pirimidina nas fases iniciais". O software de retrossíntese existente — que funciona quebrando moléculas-alvo em peças mais simples — então gera dezenas ou centenas de possíveis rotas de síntese.
O Synthegy converte cada rota em texto e a entrega a um LLM, que pontua cada rota com base em quão bem ela corresponde à instrução do químico. As melhores sobem ao topo, com explicações escritas do porquê.
"Ao criar ferramentas para químicos, a interface do usuário importa muito, e as ferramentas anteriores dependiam de filtros e regras complicados", disse Andres M. Bran, autor principal do estudo, em um comunicado da EPFL.
O sistema foi validado em um estudo duplo-cego envolvendo 36 químicos independentes que revisaram 368 pares de rotas. Suas seleções corresponderam às do Synthegy em 71,2% das vezes, um número que está aproximadamente alinhado com a frequência com que químicos especialistas concordam entre si. Pesquisadores seniores (professores e cientistas pesquisadores) concordaram com o Synthegy mais frequentemente do que estudantes de doutorado, sugerindo que o sistema captura as mesmas intuições estratégicas que vêm com a experiência.
Os pesquisadores testaram vários modelos de IA, incluindo GPT-4o, Claude e DeepSeek-r1. A IA tem feito progressos na descoberta de medicamentos há anos, mas a maioria das abordagens foca em modelos especificamente treinados para tarefas específicas. O Synthegy é projetado para ser modular — ele pode ser conectado a qualquer motor de retrossíntese no backend e a qualquer LLM capaz no lado do raciocínio. O Gemini-2.5-pro obteve a pontuação mais alta no benchmark, enquanto o DeepSeek-r1 parece ser uma forte alternativa de código aberto que pode ser executada localmente.
O framework também aborda um segundo problema: a elucidação do mecanismo de reação. Esta é a questão de por que uma reação química ocorre — quais movimentos de elétrons acontecem em cada etapa. O Synthegy divide as reações em movimentos elementares e faz com que o LLM avalie cada etapa candidata quanto à plausibilidade química. Em reações simples como substituições nucleofílicas, os melhores modelos alcançaram precisão quase perfeita.
Os casos de uso potenciais são amplos. A descoberta de medicamentos é o mais óbvio. A IA já demonstrou promessas na previsão de resultados de tratamentos de câncer, mas a mesma abordagem se aplica onde quer que os químicos precisem projetar novos materiais ou otimizar reações industriais. Um detalhe prático: avaliar 60 rotas candidatas com o Synthegy leva aproximadamente 12 minutos e custa cerca de US$ 2 a 3 em taxas de API.
O artigo reconhece os limites atuais. Os LLMs às vezes interpretam mal a direção de uma reação em sua representação textual, levando a avaliações de viabilidade erradas. Modelos menores não apresentam desempenho melhor do que o palpite aleatório. Rotas com mais de 20 etapas são mais difíceis de rastrear de forma coerente.
O código e os benchmarks estão publicamente disponíveis em github.com/schwallergroup/steer.
