Reinforcement learning optimization of reaction routes on the basis of large, hybrid organic chemistry–synthetic biological, reaction network data

Reinforcement learning optimization of reaction routes on the basis of large, hybrid organic chemistry–synthetic biological, reaction network data - Reaction Chemistry & Engineering (RSC Publishing) DOI:10.1039/D2RE00406B

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」は何ですか？
本研究の学術的な「問い」として、従来の有機合成化学ルールやデータに基づくCASPツールを超え、新しい合成ステップを設計するために合成生物学がどのように使用できるか、また合成生物学のデータが有機合成化学にどのように適用できるかを示すことが挙げられます。

2. 本研究の目的及び学術的独自性と創造性は何ですか？
本研究の目的は、従来の有機化学反応データと代謝反応データを融合し、複数のビルディングブロックからターゲット分子までの合成経路を設計することで、CASPによる合成計画の開発を促進することです。また、強化学習を使用して経路をアッセンブルし、最適な多段合成経路を提案することで、有機合成化学と合成生物学データを結合することの利点を分析することを目的としています。

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何ですか？
本研究は、有機合成化学や合成生物学のデータを使用したCASPによる合成ルートの開発を目的としています。従来のCASPツールは有機合成化学のルールやデータだけを使用していたため、新しい合成ステップを設計する方法に限界がありました。本研究では、有機化学反応データと代謝反応データを結合して新しいルートを可能にすることで、CASPの新しいレベルを提供することを目指しています。

4. 本研究で何をどのように、どこまで明らかにした？
本研究では、強化学習を使用して、有機化学反応データと代謝反応データを融合し、複数のビルディングブロックからターゲット分子までの合成経路を設計したことが明らかになっています。また、異なる種類の反応プールから最適な合成のルートを探索するためのアルゴリズムを提供し、合成生物学データが合成計画の開発においてどのように活用できるかについて探求しています。

5. 本研究の有効性はどのように検証した？
本研究では、有機合成のルート設計に合成生物学データを取り入れることで、より最適な多段合成経路の開発が可能であることが示されています。また、ロバストな意思決定を行うための3つのバリューネットワーク決定システムが提案され、有機化学反応プール、生物反応プール、およびハイブリッド反応プールからの最適な合成ルートの評価と比較が行われています。