Microsoft Researchは、標的となる分子から単純な前駆体分子を特定するために逆方向に遡るプロセスである「逆合成」を予測するための新しいフレームワーク、RetroChimeraを発表しました。学術誌『Nature』に掲載された論文によると、このフレームワークは高品質な反応経路を自動的に提案することで、化学合成の複雑さと高コストという課題に対処します。
製品発表Microsoft ResearchRetroChimera
Microsoft Researchが小分子合成予測を改善するRetroChimeraをリリース
この記事は翻訳です。 原文を読む
RetroChimeraは、補完的な強みを持つ2つの異なるモデル、R-SMILES 2 とNeuralLocを組み合わせたアンサンブル戦略を活用しています。R-SMILES 2 は、入力分子から前駆体を直接予測する Transformer ベースのデノボ（de-novo）モデルであり、柔軟性に優れていますが、ハルシネーション（もっともらしい嘘）が発生する可能性があります。対照的に、NeuralLocは既存のパターンに基づいて反応テンプレートを選択するグラフニューラルネットワーク（GNN）ベースのモデルであり、より信頼性が高く、根拠に基づいた出力を提供します。これらの予測をランク付けし、組み合わせる方法を学習することで、RetroChimeraはさまざまな反応クラスにおいて各モデルの専門的な利点を活用することができます。
ブラインドテストにおいて、専門の化学者は、従来の手法や先行モデルによる解離案よりも、RetroChimeraが提案する解離案を好むという結果が出ました。このフレームワークはGitHubでMITライセンスの下で公開されており、Microsoft Foundryからアクセス可能です。これらのモデルは非常に高い能力を持っていますが、開発者は、潜在的なハルシネーションを軽減するために、実際の応用にあたってはリスクアセスメントを行い、化学の専門家による検証を行うことを推奨しています。
出典
- Improving synthesis prediction of small molecules at scale with RetroChimera （Microsoft Research, 2026-09-21）
- RetroChimera