新 Anthropic 科学博客：让 Claude 成为化学家

要操控分子，化学家首先需要了解其结构。他们的主要工具是核磁共振波谱法。

我们发现 Opus 4.7 在匹配专用核磁共振软件方面表现相当，甚至在部分任务上更胜一筹。阅读更多：https://t.co/1jUvz7wdhV

让 Claude 成为化学家

来源：https://www.anthropic.com/research/making-claude-a-chemist 摘要：我们正与世界一流的合成化学家、计算化学家及分析化学家合作，让 Claude 在化学领域更加出色。在这篇文章中，我们分享了这项合作的首个成果：Anthropic 化学家 David Kamber 研究了 Claude 在化学家最常用的分析输入——核磁共振谱图上的表现。

在与分子打交道时，化学家需要在白板上的手绘结构、仪器读数、数据库查询字符串以及专利和出版物中的技术符号之间切换。这些表示方式都编码了相同的底层化学信息，但每种都要求不同的熟练度。例如，咖啡因的草图能让化学家发现它与腺苷（身体发出的困倦信号）的相似性，并预测它通过阻断受体来让我们保持清醒。然而，同一张草图却无法帮助化学家将其与其他看起来近乎相同的分子区分开来。

理解化学家正在处理的是什么分子至关重要。化学构成了我们所摄入的食物和药物、护肤品、油漆和塑料等一切事物的基础。在相同的原子之间重新排列少数几个键，葡萄糖就会变成果糖——分子式相同，但代谢途径完全不同。将一个分子翻转成其镜像，镇静剂就会变成致畸剂，就像沙利度胺灾难中发生的那样¹。

化学家的日常工作依赖于在不同的表示形式（根据手头任务选择合适的表示方式）中正确解读这些信号。

在这些表示形式之间进行转换（从图中追查结构、将仪器读数与预期产物进行核对、以正确的符号查询数据库）非常耗时，并且根本无法大规模跟上——CAS（最大的化学注册数据库）记录了超过 2.9 亿种已公开的物质，并且每天新增约 15000 种新物质。

人工智能完全有能力承担这项研究负担，但在化学领域，这很大程度上仍是一个愿景。多年来，机器学习工具一直被定位为逆合成分析（从目标分子逆向推导至更简单前体以规划合成路线）、反应预测和性质估计的变革性工具，但这些工具所需的数据一直难以获取——空白试验结果稀少、格式不一致、被锁在订阅期刊的付费墙之后（且存在于非结构化的支持信息中）。逆合成分析就是一个典型例子——功能强大的 AI 工具已经存在多年，但应用并不均衡，普通的学术或小型实验室化学家仍然不使用它们。

即便如此，人工智能的进步终于触及化学领域。当今的前沿模型是多模态的，具备显式推理能力。它们可以直接从期刊图或手绘草图中读取化学结构，而无需依赖预先整理好的分子数据库。它们还能读取方法部分或支持信息中实际发表形式的实验细节。此外，它们可以一步步展示推理过程，这意味着化学家可以审计其输出。这些都不能消除该领域多年来一直描述的数据问题，但它改变了哪些问题尽管存在数据问题但仍可处理。

归根结底，我们的主张是温和的：Claude 开始有意义地协助化学家进行日常的转换、回忆和整合工作，以补充他们的判断，我们计划继续扩展其实用性。今天，我们发布了加速这项工作的第一份白皮书。它处理了化学家最常用的分析输入：核磁共振谱图。

Claude 在核磁共振预测与结构解析方面对比 ChemDraw

完整版可在此处找到：https://www-cdn.anthropic.com/07441e654ad3dfeb0cd090e9361511562825d012.pdf

几乎所有小分子——药物、农药、染料、香料、聚合物、DNA 或蛋白质亚基、功能性无机或固态材料——的存在，都源于化学家确定了它们的结构。由于这些分子无法通过显微镜观察，化学家必须依赖光谱分析，用光、无线电波或磁场探测分子。特定分子对能量的吸收、发射或偏转方式为化学家提供了模式或谱图，他们可以据此阐明其结构。

核磁共振波谱法——化学家赖以进行结构解析的经典技术之一——是合成化学中最耗时的步骤之一；对于每种化合物，化学家都必须手动将谱图中的每个峰与提议结构中的原子进行匹配。在这份白皮书中，我们测试了 Claude 与化学家目前依赖的专用核磁共振软件相比表现如何。我们测量了三种 Claude 模型（Opus 4.7、Opus 4.6、Sonnet 4.6）在 20 种化合物上的表现，这些化合物选自模型训练截止日期后发布的合成化学预印本，以避免选择偏差，并与 ChemDraw 和 MestReNova 进行了比较。ChemDraw 和 MestReNova 都进行正向预测，使用绘制好的结构模拟将产生的核磁共振谱图。除了正向预测，我们还想看看 Claude 是否能反向进行——从实验谱图出发，提出其背后的结构。这是更困难的任务，也是现有软件目前留给化学家的工作。

为设置评估，我们从 ChemRxiv 预印本²（在模型训练截止日期后发布）中选取了 20 种化合物，从每篇论文中提取了第一个完全表征的新分子。这 20 种化合物涵盖四个结构家族，每个家族五种化合物，每个家族因其涉及不同类型的核磁共振挑战而被选中。每个工具都被赋予用 SMILES 字符串（化学家用于将分子输入软件的一行文本符号）编码的结构，并被要求预测每个氢原子和碳原子峰在 1D 核磁共振谱图（测量化学位移 ppm 水平轴）上的位置。鉴于核磁共振样品溶解在液体中，并且溶剂（氯仿、DMSO 等）的选择会略微移动峰位置，每个工具都被要求根据化学家在已发表论文中使用的溶剂来预测谱图。

四个骨架类别的图表 图 1. 正向预测评估涵盖的四类骨架。每类都探究了不同类型的核磁共振挑战。P1 氯吡嗪在 DMSO-d6 中具有氨基吡嗪上的慢交换 NH；P2 Boc-N-芳基马来酰亚胺和 N-Boc 炔酰胺展示了 α-乙烯基-酰亚胺羰基和罕见的炔酰胺 α/β-碳对；P3 螺酮是具有苯酰甲基或乙酰基侧基和二立体异构 CH2 的螺双环酮；P4 α-硅基甲磺酰胺具有屏蔽的硅-α 碳。每类 5 种化合物，n = 20 总计。

由于语言模型的输出在不同运行间存在差异，每个 Claude 模型对每种化合物查询三次并取平均值；ChemDraw 和 MestReNova 每次返回相同答案，因此运行一次。然后我们将每个预测峰与其实验对应峰配对，并测量 ppm 差值。这些差值落在了化学家认为正确的窗口内——氢 ±0.20 ppm，碳 ±1.0 ppm。

按工具划分的 MAE/RMSE 摘要图表（20 种化合物） 图 2. 按工具划分的 1H（左）和 13C（右）位移误差的 MAE（深色阴影）和 RMSE（浅色阴影），涵盖 20 种化合物的正向预测，每个工具下方显示覆盖率。Claude 柱状图：三次重复的平均值，带最小-最大范围和重叠的重复点。经典工具：单点预测（无范围）。

在氢方面，Opus 4.7 最准确，平均误差为 ±0.079 ppm——远低于容差窗口的一半——并且落在窗口内的峰比例最高。在碳方面，Opus 4.7 和 MestReNova 基本持平，分别为 ±1.37 和 ±1.48 ppm；其余工具在两种元素上保持相同的排名顺序。Opus 4.6 的预测表现中等，Sonnet 4.6 最弱。它们之间的差距在单个著名难处理的氢上最为明显——氯吡嗪家族中的一个 NH 质子，其真实位置落在 6.8 至 7.9 ppm 的狭窄范围内。Opus 4.7 将其放置得略低但一致；Opus 4.6 的猜测分散在几个 ppm 上；Sonnet 4.6 将其放在 10-13 范围内，远高于实际出现的位置。

每种化合物在容差内准确率的图表 图 3. 顶部：实验原子在 ±0.20 ppm（1H，左）和 ±1.0 ppm（13C，右）范围内的百分比。底部：每种化合物的胜率（工具在 20 种化合物中每化合物 MAE 最低的化合物）。Claude 柱状图：三次重复的平均值，带最小-最大范围；经典工具：单点预测。

虽然 Opus 4.7 的表现与 ChemDraw 和 MestReNova 相当，但在预测氢核磁共振峰的峰型和峰间距方面差距更大，这些特征也包含化学家与峰位置一起读取的结构信息。Opus 4.7 匹配实验报告分裂模式的频率高于任何其他工具，并且所有三个 Claude 模型预测子峰间距的准确率大约为 80%（误差在 0.5 Hz 以内），而 ChemDraw 和 MestReNova 仅为 26% 到 35%。Opus 4.7 在其三次重复运行中也最一致：其平均误差在不同运行之间的变化比其与次优工具之间的差距还要小。

接着，我们评估了反向预测（结构解析）：我们能否从谱图中确定分子结构？我们给 Opus 4.7 出了 15 道解析题，每次要求它提出最多三个排好序的候选结构，每道题重复三次。每次提供化合物的精确分子式（来自高分辨质谱）及其氢碳核磁谱图。这 15 道题按难度分组。八个较简单的目标——单环或双碎片分子——仅用分子式和谱图提出。七个较稠密的目标——稠环、螺环等——附带一条额外提示：参与反应的起始原料的结构。

结构解析结果图表 图 4. 15 个反向任务问题的结构解析结果。每个面板显示已发表的目标结构及其在 3 次尝试中的成功次数。边框颜色表示提示条件：绿色为仅提供谱图和高分辨质谱，无起始原料背景信息；蓝色为提供谱图、高分辨质谱和起始原料 SMILES，无其他反应背景信息。

Opus 4.7 仅从谱图和分子式中就成功恢复了所有八个简单结构（每次尝试均成功）。在七个较难的目标中，借助起始原料提示，它在四次目标上三次运行全部返回正确结构，在其余三次目标上三次运行中有两次返回正确结构。

最终，我们发现对于常规数据预测，Opus 4.7——一个没有化学特定微调的通用模型——现在平均而言与 ChemDraw 和 MestReNova 一样好甚至更好。此外，Claude 还能反向解决问题，仅从核磁共振数据提出结构。专用结构解析软件已经存在了几十年，但通常需要 2D 核磁共振（一种具有两个轴的谱图，输出是等高线图而不是一排峰）、专业培训以及许可工具。Claude 能够从化学家粘贴到聊天中的相同高分辨质谱和 1D 峰列表中进行解析，无需任何设置。

局限性

这项评估表明，通用模型可以胜任与核磁共振软件竞争，甚至使 1D 反向解析变得可行。但仍然存在一些值得注意的局限性。

• 首先，评估规模较小——正向任务有 20 种化合物（来自四个骨架），反向任务有 15 种化合物——每个骨架只带来一类失败模式。因此，模型性能应被视为指示性的，而非精确的。
• 其次，在最稠密的逆目标中，如果没有起始原料作为额外输入，模型可能会在其推理过程中循环而无法确定最终结构；这就是为什么七个较难的问题是用起始原料结构而不是仅用谱图提出的。
• 第三，某些化学骨架未测试。例如，慢交换 NH 杂芳烃（其 N-H 与溶剂交换缓慢，足以留下尖锐核磁共振峰的芳香环）仅通过氯吡嗪采样，遗漏了相关系统（羟基吡啶、氨基噻唑和其他 DMSO-d6 NH 活性骨架）。
• 第四，2D 实验（COSY、HSQC、HMBC）和立体化学被有意排除在范围之外，因为仅 1D 核磁共振无法确定构型。因此，没有评估复杂的天然产物化合物。
• 最后，我们的溶剂覆盖范围仅限于 DMSO-d6、CDCl3 和 D2O，因此未评估甲醇-d4、苯-d6 和丙酮-d6。

理想情况下，我们想看看这些数字在跨越 20-30 个骨架类别的数百种化合物上表现如何，每个类别至少 15 种化合物，以便将类内变异与工具间差异区分开来。我们还会评估除氯吡嗪以外的 NH 活性杂芳烃，评估未测试的溶剂，并进行利用 2D 实验的两个任务版本。

未来展望

随着我们继续提高 Claude 在化学领域的表现，我们将特别关注最拖累化学家速度的几个瓶颈。

• 读取和渲染化学结构——将来自图表、专利、幻灯片或草图的图形转换为机器可读形式，以及在结构表示与化学文献中使用的系统名称之间进行转换。
• 反应和合成推理——提出、评估和评判合成路线，预测结果，并思考选择性、条件和可能的副产物。
• 机理——用化学家实际使用的语言（电子箭头、中间体和过渡态论证）解释和测试反应机理。
• 化学文献理解——阅读论文中出现的化学内容，其中同一分子可能被绘制、命名、缩写或通过代码引用，并从方法部分、支持信息和专利中提取重要的化学信息。

这些瓶颈并非处于相同的成熟曲线上。光谱分析已经成熟到可以进行基准测试，而其他方面，如逆合成规划，仍在范围界定中。随着我们对这些瓶颈有了更深入的了解，我们将分享当前模型的优势所在，以及它们仍然存在的不足之处。我们的最终目标是确保在职化学家了解 Claude 在哪些方面可以节省他们的时间，以及哪些方面他们仍然需要依赖自己的专业知识。

与我们合作

我们正在扩展 AI for Science 计划，以更明确地支持化学研究。如果您是一位研究人员，正在研究 Claude 可能合理提供帮助的问题，尤其是涉及我们描述的那种多模态推理的问题，我们期待收到您的来信：[email protected]，或通过 AI for Science 申请。

脚注

¹ 一起事件，一种孕期反应药物被与全球超过 10,000 名儿童的严重出生缺陷相关联。 ² 我们从中提取化合物的四篇预印本。