1 本研究の学術的背景は、AIを用いた薬物発見が近年、成功を収めていることです。しかし、AIによって設計された新規分子の一部を実験的に検証するために、医薬化学者が少なくとも一部を合成することが大きな課題となっています。研究課題の核心をなす学術的「問い」は、この課題に対処するために、合成可能な化学空間を探索するための新規な前方合成ベースの生成AI方法を提案することです。

2 本研究の目的は、合成可能な化学空間を探索し、新規なターゲット特異的な合成可能な分子を設計することです。学術的独自性と創造性は、前方合成ルート予測のためにモンテカルロツリーサーチ（MCTS）を利用する初めてのモデルを提案することにあります。

3 本研究の着想は、AIを用いた薬物発見が成功を収めている一方で、AIによって設計された新規分子の合成が大きな課題となっていることから来ています。また、既存の研究では、合成可能な分子の生成や、合成ルートの予測に取り組んできましたが、それぞれに課題がありました。本研究は、これらの課題を解決するための新たなアプローチを提案しています。

4 本研究では、新規な前方合成ベースの生成AI方法を提案し、その有効性を実証しました。具体的には、MCTSを用いて前方合成ルートの予測と分子の生成を同時に行い、生成された反応中間体のドッキングポーズに基づく薬物-ターゲット親和性（DTA）モデルを使用して、MCTSの各反復の報酬を計算しました。

5 本研究の有効性は、提案した方法を用いて、人間のcAMP依存性プロテインキナーゼA（PKA）に特異的な分子を生成することで検証しました。