High-throughput synthesis provides data for predicting molecular properties and reaction success

https://www.science.org/doi/full/10.1126/sciadv.adj2314

1. 本研究の学術的背景，研究課題の核心をなす学術的「問い」は？
   この研究では、薬の開発において魅力的なフレームワークを効率的に作り出すために、利用可能な共通構造から多様な類似物質を迅速に合成する必要性があります。しかし、多様性と容易なアクセスの間にはトレードオフがあり、生成物の合成可能性や薬物動態特性についても不確実性があります。この研究では、光触媒性のN-ヘテロサイクル合成、高スループット実験、自動化された精製、物理化学的な試験を組み合わせたプラットフォームを利用して、1152種の反応を詳細に文書化しています。生成されたデータによって、ディープラーニングを用いた立体化学的に多様なC置換されたN-飽和ヘテロサイクルの合成可能性の合理的な予測が可能となり、構造と性質の関係について意外な傾向が明らかにされます。

2. 本研究の目的及び学術的独自性と創造性は？
   本研究の目的は、新たなフレームワークを合成するための革新的な手法を開発し、薬の開発を効率化することです。そのために、光触媒性のN-ヘテロサイクル合成や高スループット実験、自動化された精製、物理化学的な試験などの最新の技術を組み合わせています。また、ディープラーニングを用いて化合物の合成可能性や物理化学的特性の予測を行うことにより、合成手法や化合物の性質に関する知識を高度に追求しています。

3. 本研究の着想に至った経緯や，関連する国内外の研究動向と本研究の位置づけは？
   この研究は、薬の開発における分子合成と評価の重要性に基づいています。従来は大量の化合物を高スループットでスクリーニングする方法が一般的でしたが、最近ではコンピュータを利用したバーチャルスクリーニングやAIによる分子合成が注目されています。本研究では、利用可能な部品から分子を組み立てるための新しい手法と、成功する有機反応の予測を行うための信頼性の高いプラットフォームの構築を目指しています。

4. 本研究で何をどのように，どこまで明らかにした？
   この研究では、SLAP化学を使用して飽和N-ヘテロサイクルを数百種類合成し、重要な物理化学的特性を測定してその分布を評価しました。また、商業的に入手可能な部品から構築された1,700万種類の仮想ライブラリの物理化学的特性を予測するためにニューラルネットワークを構築しました。さらに、反応の結果を活用して合成方法の制約を特定し、望ましい生成物を生み出すための基質組み合わせを高い信頼度で予測することを試みました。

5. 本研究の有効性はどのように検証した？
   本研究では、SLAPプラットフォームを使用して広範な化合物ライブラリを作成し、物理化学的特性の予測モデルを構築しました。これにより、効率的な分子合成や物性の予測が可能となり、薬の開発におけるスクリーニングや最適化の効率を向上させることができます。また、これまでにない規模の化合物ライブラリの作成に成功し、その有効性を実証しました。