生成模型与推理智能体从NMR谱解析小分子结构

bioRxiv (Cold Spring Harbor Laboratory) · 2026-10-31 · 预印本

• 一句话结论：该预印本报告，将分子生成模型与科学推理智能体结合的AI系统可自动完成小分子从头结构解析，在多项基准上优于现有工具；方向为性能提升，属预印本水平的初步证据。
• 研究设计与做法：研究为方法开发与基准评测：生成组件ChefNMR2为原子流匹配模型，依据分子式与一维1H、13C NMR谱预测结构；ChefNMR2-Agent引入大语言模型推理并精修候选结构；样本量与随访材料未报告。
• 主要结果：主要结果为定性表述：在多样基准上大幅优于现有工具，提供校准的置信度估计，推理速度比前沿大语言模型快两到三个数量级；并解析四种新天然产物结构，达到人类化学家准确度；具体效应量与p值材料未报告。
• 机制或解释：作者解释认为，专用生成模型与通用推理智能体的结合可求解具有挑战性的科学反问题，从而加速NMR结构解析；机制层面为方法学组合，未涉及生物学机制。
• 局限与边界：局限包括：预印本、证据档位C；基准与天然产物案例数量有限；对谱图质量与分子类型的适用边界未充分报告；独立复现与前瞻验证材料未报告；利益冲突材料未报告。
• 可否落地：落地含义：对化学与药物发现流程提示可辅助结构解析并缩短时间，属「证据支持」的初步方法学层面；对常规实验室替代专家判读仍不足以下结论，需外部验证。

🔗 打开原文

Ziyu Xiong, Vanessa Y. Ying, Jonathan Z. Huang 等

本文摘自《每日前沿研究简报 · 2026-11-02》「AI 科研智能体 / AI 科学家」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。