Anthropic Claude Opus 4.7 化学リリース：NMR予測と構造解明

まとめ

Claude Opus 4.7 は ChemDraw や MestReNova などの専用 NMR ツールと同等またはそれ以上の前向き予測精度を達成しており、1D NMR スペクトルと分子式から正しい分子構造を提案できるため、汎用大規模言語モデル（LLM）が日常的なスペクトル解析においてすでに競争力を持つようになったことを示しています。

NMRが化学において重要な理由

化学者は、ほとんどの小分子は直接視覚化できないため、分子構造を推定するために NMR 分光法に頼っています。NMR スペクトルの解釈には、各ピークを特定の原子に一致させる作業が必要であり、これは手間のかかるステップであり、合成研究の速度を遅くします。このステップを自動化すれば、創薬、材料設計、および迅速な構造検証に依存する多くの分野が加速されます。

前向き予測性能

結論： Opus 4.7 は ¹H シフト（±0.079 ppm）において最低の平均絶対誤差（MAE）を達成し、¹³C シフト（±1.37 ppm）において MestReNova と同等の性能を発揮しており、過去の Claude モデルを上回り、専用ソフトウェアと同等の性能を示しています。

ベンチマークセット： 20の新規化合物（後期の ChemRxiv プリプリントから選定）、4つのスケルトンファミリーをカバーし、それぞれが異なる NMR の課題を提示しています。
手法： 各ツールに SMILES 文字列と溶媒情報が与えられ、全 ¹H および ¹³C スペクトルが予測されました。Claude モデルは化合物1つあたり3回問い合わせ、結果を平均化しました。
誤差指標： ピークが ±0.20 ppm（¹H）または ±1.0 ppm（¹³C）の範囲内にあれば正しく認識されました。Opus 4.7 はこの範囲内に収まるピークの割合が最も高かったです。
ピーク形状と分裂： 化学シフトの正確さに加え、Opus 4.7 は ChemDraw や MestReNova よりも実験的な分裂パターンをよりよく再現しており、サブピーク間隔を0.5 Hz以内で予測できた割合が約80％（古典的ツールでは26–35％）でした。

前向き予測に使用された4つのスケルトンクラス 図1. 異なる NMR の課題を検証するために選ばれたスケルトンファミリー。

前向き予測の MAE/RMSE 概要 図2. ¹H（左）および ¹³C（右）シフトの平均絶対誤差（濃い色）と平均二乗誤差（明るい色）のツール間比較。

逆予測（構造解明）

結論： Opus 4.7 は、スペクトルと分子式のみから8つの単純な分子をすべて正しく特定でき、7つのより複雑なターゲットのうち4つを、反応の開始物の SMILES を追加のヒントとして与えた場合、すべての実行で解明できました。

タスク設計： 15の文献化合物が、正確な分子式、¹H および ¹³C スペクトルとともに提示され、7つの最も難しいケースでは反応の開始物の SMILES も提供されました。
出力： 各問題について、Claude は最大3つの順位付けされた候補構造を返し、3回問い合わせました。
結果： 単純なターゲット（単一環または2断片）は100％の確率で解明されました。密集したターゲットでは、開始物の文脈が提供された場合、成功率は4化合物で100％、2化合物で66％でした。

構造解明の結果 図3. 各逆予測問題における成功回数；緑色の枠 = スペクトル＋分子式のみ、青色の枠 = スペクトル＋分子式＋開始物ヒント。

今回の研究の限界

結論： ベンチマークは小さく、限定的な範囲にとどまっているため、結果は決定的ではなく、あくまで示唆的なものと捉えるべきです。

データセットのサイズ： 前向き予測と逆予測の両方で、それぞれ20および15の化合物のみがテストされ、各々が1つのスケルトンクラスを代表しています。
入力制約： 最も難しい逆予測タスクでは、開始物の SMILES が必要でした。このヒントがなければ、モデルは単一の構造に収束できませんでした。
化学的多様性： 特定のヘテロアロマティック NH 系統、立体化学情報、および2次元 NMR 実験（COSY、HSQC、HMBC）は評価されていません。
溶媒カバレッジ： テストは DMSO‑d₆、CDCl₃、D₂O に限定されており、他の一般的なデュテリウム溶媒は評価されていません。
スケーラビリティ： 20–30のスケルトンファミリーにわたる数百の化合物に対する性能は、まだ未解決の課題です。

Claudeの化学分野における今後のロードマップ

結論： Anthropic は、構造デジタル化、反応推論、機械的説明、文献理解の4つのボトルネックに重点を置き、スペクトル解析を超えたClaudeの有用性を広げていく予定です。

構造抽出： 手書きのスケッチ、特許図、スライド画像を機械可読形式（SMILES、InChI）に変換し、系統的な IUPAC 名を生成する。
合成計画： 反応経路の提案、評価、批判を行い、試薬選択、選択性予測、副生成物予測を含む。
機械的洞察： 化学者に分かりやすい言語で、電子の押し引き矢印、中間体構造、遷移状態の根拠を用いて反応経路を説明する。
文献マイニング： 方法論セクション、補足情報、特許を解析し、命名規則や図形表現にかかわらず、関連する化学データを抽出する。

これらの分野は成熟度が異なり、スペクトル解析が最も成熟しており、最初にベンチマーク化された一方、逆合成と機械的推論はまだ範囲を定めている段階です。

コラボレーションの方法

Anthropic は、Claude のマルチモーダル推論の利点を活かせる化学プロジェクトを支援するため、AI for Science プログラムを拡大しています。協力したい研究者は、プログラムページから応募するか、scienceblog@anthropic.com まで連絡してください。

参考文献

サルノキシドの悲劇：PubMed PMID 21507989
ソースプリプリント：