En laboratoire, un modèle prédit le site réactif d'une molécule

Les chimistes qui veulent savoir où une molécule va réagir s'appuient depuis longtemps sur le rendement en produit, c'est-à-dire la part de matière de départ qui se retrouve sous forme du produit visé après plusieurs étapes de synthèse. Cette mesure est brouillée par la purification et les réactions secondaires, et elle varie d'un scénario de synthèse à l'autre. Elle ne dit pas non plus lequel des groupes réactifs a effectivement réagi.

À l'université nationale de Yokohama, une équipe dirigée par le professeur associé Hiroaki Gotoh et le doctorant Daimon Sakaguchi a choisi une voie plus simple. Ils ont mélangé des molécules complexes contenant plusieurs groupes cétone, c'est-à-dire des atomes d'oxygène et de carbone reliés par une double liaison, avec différentes quantités de borohydrure de sodium dans du méthanol. En mesurant quel groupe cétone réagissait en premier, ils ont établi une échelle cinétique, ou carte des vitesses de réaction, pour chaque molécule. L'équipe a ensuite combiné cette carte à des informations électroniques tridimensionnelles prélevées autour de chaque site réactif, puis a fourni les deux à un modèle d'apprentissage automatique.

Le modèle n'a été entraîné que sur des molécules simples. Testé sur six molécules plus complexes, chacune portant deux groupes cétone, il a correctement prédit à la fois le site réactif principal et le côté par lequel la réaction s'est produite. L'étude, publiée dans JACS Au, montre que des expériences de compétition peuvent relier mesures de laboratoire, calculs de chimie quantique et apprentissage automatique au sein d'un même flux de travail. Les auteurs insistent sur le fait qu'il s'agit de résultats de laboratoire portant sur une réaction précise, réalisée avec du borohydrure de sodium dans du méthanol.

Pour un chimiste qui conçoit un candidat médicament, le gain concret serait de savoir, avant la synthèse, quelle partie d'une molécule est susceptible de réagir et quel produit se formera. Gotoh cite les candidats médicaments, les produits naturels et les molécules fonctionnelles comme cibles, et présente l'objectif comme une réduction du nombre de cycles d'essais et d'erreurs, ainsi qu'une découverte plus rapide de nouvelles molécules et de nouvelles voies de synthèse. L'équipe ne dit pas quand de telles prédictions pourraient servir en pratique, ni si le modèle vaut pour d'autres réactions que celle-ci. Elle propose en revanche une base de données cinétiques organisée et un flux de travail de descripteurs, que d'autres chercheurs peuvent réutiliser pour construire de nouveaux modèles et tester leurs hypothèses sur des réductions plus complexes.