テンプレートフリー逆合成のためのグラフモデル学習

逆合成予測は有機合成における基本的な課題であり、ターゲット分子を合成することができる前駆体分子を同定するという課題を含む。このタスクに向けたニューラルモデルの構築において重要な考慮点は、モデル設計を有機化学者が採用する戦略と整合させることである。この観点に基づき、本論文では、反応過程において前駆体分子のグラフトポロジーが大きく変化しないという考え方に着目したグラフベースのアプローチを提案する。本モデルは、まずターゲット分子から、不完全な分子（シンソングラフと呼ばれる）に変換するためのグラフ編集操作の集合を予測する。次に、モデルは関連する離脱基を付加することでシンソングラフを完全な分子へと拡張する能力を学習する。この分解手法によりモデル構造が単純化され、予測結果の解釈性が向上するとともに、手動による修正も容易となる。本モデルはトップ1の正解率53.7％を達成し、従来のテンプレートフリーおよび準テンプレートベース手法を上回る性能を示した。