Microsoft Research、逆合成予測モデル RetroChimera を Nature で発表──難易度の高い多段階合成で 10 中 9 完遂
SMILES Transformer とグラフニューラルネットワークを学習済み投票システムで統合し、製薬化学者の盲検テストで従来モデルや文献を上回る評価を獲得した。
リリース: 2026-09-21 · 読了 4 分記事の要約
1. 核心（What）
- Microsoft Research は逆合成予測モデル RetroChimera を Nature にて発表した
- R-SMILES 2 と NeuralLoc の二つの異なるサブモデルを学習済み投票システムで統合する設計を採用している
- PhD 化学者による盲検テストで、複雑な分子に対する切断提案が既存モデルや文献反応よりも高く評価された
- 高難易度な多段階ターゲット 10 件中 9 件において実用的な合成ルートを完遂した
2. 影響（Why）
- 合成探索の精度向上: 二つの異なるモデルを投票システムで組み合わせることで、構造を大きく変える反応と局所的な変更を伴う低頻度反応の双方を高精度にカバーでき、実験前のスクリーニング精度が飛躍的に高まる。
- プライベートデータ活用: 企業が保有する未公開の反応レコードを用いたファインチューニングやゼロショット転移をサポートしており、商用環境における独自化学プロセスの最適化に直結する。
3. 根拠・詳細（How）
- R-SMILES 2 による大構造変換の予測: SMILES 文字列を直接生成する Transformer ベースのモデルにより、データから学習したパターンに基づいて大きな構造変化を伴う反応前駆体を予測する。
- NeuralLoc による局所的変更の補完: グラフニューラルネットワークを用いてターゲット分子と再利用可能な結合変更パターン（反応テンプレート）を紐付け、観測された化学的根拠に基づく予測を担う。
- 学習済みランキングによる投票統合: 各サブモデルのランキング結果から学習済み投票システムでスコアを付与し、一致する予測の投票を加算した上で最終的な候補順位を決定するフレームワークを採用している。
4. 展望・課題（Next）
- 実験的検証とプロセス統合: モデルが提案するルートは化学的に不自然な前駆体を含む場合があるため、チームは合成探索フレームワークや専門家による安全性・実現性の検証を組み合わせる必要がある。