https://pubs.acs.org/doi/full/10.1021/acs.jcim.3c00491

1. 本研究の学術的背景と核心となる「問い」
大規模な反応データベースと人工知能の手法が用いられるようになり、コンピュータ支援による合成計画の分野は大きく進展しています。SynRouteは新たなレトロ合成（目的の化合物を生成するための化学反応を逆順にたどること）計画ソフトウェアツールで、現在263の一般的な反応テンプレートと文献ベースの反応データベースを用いて、目標化合物に対する短く実用的な合成経路を見つけ出します。しかし、コンピュータで生成された新たな反応が実験室での実験でうまく機能するかどうかはどの程度予測可能なのかというのが、本研究の核心となる問いです。

2. 本研究の目的及び学術的独自性と創造性
本研究では各反応テンプレートに対し、Pistachio反応データベースからのデータを用いてマシンラーニングの分類器を訓練し、新たにコンピュータが生成した反応が実験室で成功する可能性を予測します。この反応生成方法は、合成化学者が容易に閲覧できるように合成戦略によって整理されたトップスコアのルートのベクトル化されたDijkstraのような探索とともに用いられます。

3. 本研究の着想と位置づけ
合成化学のプロセスをAIで自動化し、合成経路の予測と実現可能性の評価を一緒に行うというアイデアから、この研究は誕生しました。AIが合成化学に革新をもたらし、より素早く、効率的に新しい化合物を発見できるようにしたいという目指すビジョンに対して、本研究は一歩を進めるものとなります。

4. 本研究で明らかにしたこと
本研究では、SynRouteがChEMBLデータベースから無作為に選んだドラッグライクな化合物の平均で83％の化合物について、ルート（経路）を見つけることができたことを示しています。さらに、SynRouteによって生み出された12のルート（以前の無作為な部分集合からではない化合物の合成のための）を実験室で評価した結果、評価されたすべての化合物について、適切な全体的な合成戦略を生み出す能力があることが示されました。

5. 本研究の有効性の検証方法
科学実験により、SynRouteによって生成された合成経路が、すべての評価された化合物について実用的な全体的な合成戦略を作り上げることが可能であることを検証しました。