Edison Scientific a présenté ChefNMR2, « un nouveau système d'IA pour l'élucidation de novo rapide et automatisée de structures à partir de simples spectres RMN unidimensionnels (1D) », conçu avec Ellen Zhong, professeure assistante d'informatique à Princeton, et Mo Seyedsayamdost, professeur de chimie. La spectroscopie par résonance magnétique nucléaire est la référence pour déterminer la structure d'une molécule, mais la lecture des spectres est lente et exige une expertise spécialisée. Les petites molécules représentent plus de la moitié des médicaments approuvés par la FDA.
Deux composants
- ChefNMR2 : un modèle génératif qui conçoit l'élucidation de structure comme la génération de coordonnées atomiques à partir d'une formule moléculaire et de listes de pics 1D du 1H et du 13C. Il associe un encodeur de pics à un transformeur de diffusion multimodal doté d'une attention conjointe entre les tokens de pics et d'atomes, et a été entraîné sur 2,52 millions de molécules avec des spectres expérimentaux et simulés. À l'inférence, il transforme du bruit en coordonnées, attribue les liaisons pour obtenir des structures candidates, et utilise la fréquence d'apparition de chaque structure plane distincte parmi des échantillons répétés comme indice de confiance.
- ChefNMR2-Agent : un agent doté d'une interface en langage naturel qui ajoute le raisonnement chimique d'un LLM, la prédiction des déplacements chimiques et la recherche bibliographique. Il s'appuie sur la confiance de ChefNMR2 pour décider de l'ampleur de l'échantillonnage et de l'analyse, en renvoyant rapidement les réponses confiantes et en approfondissant les réponses incertaines.
Les résultats
Sur cinq jeux de test totalisant 2 031 molécules, ChefNMR2 classe la bonne structure plane en première position pour 82,4 % des molécules dans l'annonce (82,3 % dans l'article complet). Les comparaisons de l'article sont de 52,0 % pour Claude Opus 5, le meilleur LLM testé (51,9 % dans l'annonce), de 60,1 % pour la méthode de recherche NMR-Solver et de 35,4 % pour le meilleur modèle de novo spécialisé, NMRTransformer.
- Généralisation : la bonne structure figure parmi les dix premières pour 87,5 % des molécules de plus de 30 atomes lourds et 84,8 % des molécules dont le plus proche voisin d'entraînement présente une similarité de Tanimoto inférieure à 0,6.
- Calibration : la fréquence d'échantillonnage suit la précision, avec une erreur de calibration attendue de 1,3 point de pourcentage, tandis que la confiance de NMRPeak-G-Raw et de deux LLM s'écarte davantage de la précision observée.
- Vitesse et coût : après 100 échantillons initiaux, le modèle adapte son budget à la confiance, avec une exécution de deux à trois ordres de grandeur plus rapide que les LLM de pointe, jusqu'à 2 170 fois moins de temps d'exécution médian et 360 fois moins de coût médian par molécule.
Produits naturels
Sur neuf produits naturels bien connus, dont l'aglycone de la vancomycine, la rapamycine et le taxol, ChefNMR2 les identifie tous les neuf au premier rang. NMRTransformer en identifie trois, NMRPeak-G-Raw aucun, et les LLM de pointe GPT-5.6 Sol et Claude Opus 5 en identifient respectivement huit et sept, même si Edison souligne que, pour des molécules aussi célèbres, il est difficile de distinguer l'inférence du souvenir. Sur sept diterpénoïdes de type taxane étroitement apparentés, issus d'une étude de biosynthèse du taxol, ChefNMR2 a la bonne structure parmi ses dix premières pour cinq d'entre eux. NMRTransformer, NMRPeak-G-Raw et quatre LLM sur six n'en identifient aucun, tandis que GPT-5.6 Sol et Claude Opus 5 en identifient chacun quatre, en 6 à 25 minutes par molécule. Opus 5 résout le taxol en environ une minute, ce qu'Edison interprète comme de la familiarité.
Molécules inédites
ChefNMR2 a été intégré à l'IA scientifique d'Edison, Kosmos, pour élucider quatre produits naturels inédits isolés dans le laboratoire de Seyedsayamdost, avec une précision équivalente à celle des chimistes humains « en une fraction du temps » à partir des seuls spectres RMN 1D et des formules moléculaires.
- Nocobactin AI-1 : ChefNMR2 classe la bonne structure quatrième ou cinquième. Avec la prédiction des déplacements chimiques, l'interprétation spectrale et la recherche bibliographique, l'agent la classe première dans trois exécutions sur cinq. Sans ChefNMR2, l'agent échoue généralement, et chaque modèle spécialisé de référence ainsi que chaque LLM testé échouent.
- Nocobactin AI-2 : résolue à partir de listes de pics sélectionnés automatiquement.
- Hybridamides A et B : toutes deux résolues, y compris une substitution prényle sans précédent sur l'azote Nε de l'arginine dans l'hybridamide A.
Disponibilité
ChefNMR2 est disponible dans Kosmos pour les partenaires d'Edison. Une application web et un outil MCP sont disponibles sur Hugging Face, et la page du projet est hébergée à Princeton. Tous les résultats proviennent d'Edison. Pour un autre travail d'IA sur les molécules, voir le modèle d'ADN Carbon-X de Hugging Face.