主要成果
清華大学のLuo Sanzhong教授らによる研究チームは、非対称有機触媒反応における選択性を予測する機械学習フレームワーク「OrgAIcat」を開発し、CCS Chemistry誌で発表しました。このモデルは、アルドール反応においてR² = 0.716、マイケル付加反応においてR² = 0.774という予測精度を達成しています。また、選択性の指標である鏡像体過剰率（ee）における平均絶対誤差は、それぞれ約7.30%および6.78%に抑えられています。さらに、反応を「低・中・良・優」の4段階で分類するモデルでは、AUC値で0.908および0.922という高い性能を示しました。
技術・詳細
本研究の基盤となるのは、2000年から2020年までに発表された844報の論文から抽出された「iSynth」データセットです。研究チームは、文献上のee値を自由エネルギー差（ΔΔG）に変換し、これを回帰モデルの予測ターゲットとして採用しました。モデルの核心となるのは、独自に開発した反応レベル記述子「R-SPOC」です。R-SPOCは以下の3つの情報を統合して構成されています。
- 触媒の構造および物理化学的特性
- 反応物と生成物の記述子の差として捉えた構造変化
- 溶媒、添加剤、温度などの反応条件
R-SPOCの最大の特徴は、明示的な遷移状態の探索や量子化学計算を必要としない点にあり、これにより数万件の文献データに対して低コストで適用することが可能です。検証実験では、触媒構造が最も予測に寄与し、反応変換と条件記述子がそれぞれ独立して寄与することが判明しました。
背景・業界の文脈
非対称有機触媒は、キラル医薬品や機能性材料、精密化学品の合成において極めて重要な手法です。しかし、過去の化学文献データは、ジャーナルが好む「高選択的な成功例」に偏っており、化学空間の極めて一部しかカバーしていないという課題がありました。実際、アルドール反応の潜在的な組み合わせは約10の16乗、マイケル付加は約10の17乗に達しますが、文献に記録されているのは約10の4乗に過ぎません。OrgAIcatは、このような選択バイアスの強い不完全なデータであっても、構造と選択性の関係を学習させることで実用的な予測ツールに変換できることを証明しました。
今後の展望
研究チームは、モデルの汎用性を検証するため、トレーニングデータに含まれない2021年から2024年の新論文を用いた外部テストや、未報告の新規キラル一次アミン触媒24種類を用いた実験的な検証を行いました。その結果、触媒構造の変化による選択性の違いをピアソン相関係数0.736で追跡できることを確認しています。これにより、実験者が膨大な試行錯誤を行うことなく、直感的に候補反応をランキングし、高選択的な触媒へ迅速に到達するルートが提供されることが期待されます。
毎週の技術動向レポートを無料でお届け
各分野の分析レポートを読む価値があるかどうか一目で判断できるインフォグラフィックをメールで受け取れます。
📢 メールマガジンに無料登録（週刊・技術動向レポート）
ご登録いただくと、Troy-Technical から週刊で技術動向レポート（メールマガジン）をお届けします。
- 取得したメールアドレス・選択分野は配信目的にのみ使用します。
- 第三者へ提供することはありません。
- 配信はいつでも解除できます（各メール下部のリンクから）。
詳しくはプライバシーポリシーをご覧ください。
登録は1分・いつでも解除できます
