| Project Area | Digitalization-driven Transformative Organic Synthesis (Digi-TOS) |
|---|
| Project/Area Number |
21H05207
|
|---|
| Research Category |
Grant-in-Aid for Transformative Research Areas (A)
|
| Allocation Type | Single-year Grants |
|---|
| Review Section |
Transformative Research Areas, Section (II)
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
大嶋 孝志 九州大学, 薬学研究院, 教授 (10313123)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
小池 隆司 日本工業大学, 基幹工学部, 准教授 (30451991)
笹野 裕介 東北大学, 薬学研究科, 准教授 (10636400)
高須 清誠 京都大学, 薬学研究科, 教授 (10302168)
安田 誠 大阪大学, 大学院工学研究科, 教授 (40273601)
山口 潤一郎 早稲田大学, 理工学術院, 教授 (00529026)
菅 誠治 岡山大学, 環境生命自然科学学域, 教授 (50291430)
跡部 真人 横浜国立大学, 大学院工学研究院, 教授 (90291351)
外輪 健一郎 京都大学, 工学研究科, 教授 (00336009)
滝澤 忍 大阪大学, 産業科学研究所, 教授 (50324851)
椴山 儀恵 分子科学研究所, 生命・錯体分子科学研究領域, 准教授 (80447127)
矢島 知子 お茶の水女子大学, 基幹研究院, 教授 (10302994)
宮尾 知幸 奈良先端科学技術大学院大学, データ駆動型サイエンス創造センター, 准教授 (20823909)
小島 諒介 京都大学, 医学研究科, 講師 (70807651)
武田 和宏 静岡大学, 工学部, 准教授 (60274502)
矢田 陽 国立研究開発法人産業技術総合研究所, 材料・化学領域, 研究チーム長 (70619965)
松原 誠二郎 京都大学, 国際高等教育院, 特定教授 (90190496)
|
|---|
| Project Period (FY) |
2021-09-10 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2025)
|
| Budget Amount *help |
¥298,350,000 (Direct Cost: ¥229,500,000、Indirect Cost: ¥68,850,000)
Fiscal Year 2025: ¥45,630,000 (Direct Cost: ¥35,100,000、Indirect Cost: ¥10,530,000)
Fiscal Year 2024: ¥49,790,000 (Direct Cost: ¥38,300,000、Indirect Cost: ¥11,490,000)
Fiscal Year 2023: ¥33,540,000 (Direct Cost: ¥25,800,000、Indirect Cost: ¥7,740,000)
Fiscal Year 2022: ¥45,370,000 (Direct Cost: ¥34,900,000、Indirect Cost: ¥10,470,000)
Fiscal Year 2021: ¥124,020,000 (Direct Cost: ¥95,400,000、Indirect Cost: ¥28,620,000)
|
|---|
| Keywords | 有機合成化学 / 情報科学 / デジタル化 / 自動化 / データベース / 有機合成 / 機械学習 / 官能基評価キット / デジタル創薬 / フロー反応 / ベイズ最適化 |
|---|
| Outline of Research at the Start |
本領域研究は、有機合成に破壊的イノベーションを起こすデジタル有機合成（実験科学と情報科学の異分野融合）の基盤を世界に先んじて築くことを目的とし、有機合成の多様性に対応した独自のデジタル化プラットフォーム（PF）を構築する。A01班、A02班、A03班の3班体制で、人工知能（AI）を徹底活用した自動化法（分子構造自動設計、合成経路自動探索、反応条件自動最適化、バッチ→フロー自動変換、自律的自動合成システム）でムダを徹底排除し、革新反応・革新分子創出の超加速化を実現するとともに、自動化法開発の基盤となる、有機化学の機械学習に最適化した本領域独自のデータベース（DB）の構築を行う。
|
| Outline of Annual Research Achievements |
本領域研究は、機械学習を徹底的に活用し、実験科学と情報科学の異分野融合によって、化学選択性の触媒制御法の開発を飛躍的に加速させることを目的とする。その基盤として、官能基標的触媒の網羅的創出を目指し、以下の5点に重点を置いて研究を推進している：(1)機械学習による反応条件最適化の加速、(2)官能基評価キットを活用した化学選択性に関する網羅的データの収集、(3)新たな反応制御因子の機械学習による抽出、(4)機械学習により設計された革新的分子の合成と評価、(5)開発反応のモジュール化とフロー反応への応用である。総括班は、これらの研究活動を円滑に推進するための各種支援を担っている。令和6年度には主に以下の取組を行った。
(1) 機械学習教育の深化を目的とし、チュートリアル形式の若手勉強会に加え、フロー反応・電解反応に関する勉強会やGRRMを用いた遷移状態探索に関する講習会を開催した。これらをもとに教育用動画を整備し、領域外への公開準備を進めた。あわせて、領域データベースの拡充と、電子実験ノートからのデータ移行を容易にするワークフローの普及を行った。今後の拡張を見据え、public repositoryとして活用可能な体制を整え、運用を開始した。
(2) 官能基評価キットを整備・配布し、多様な反応に対して化学選択性の評価を実施した。予期しない添加効果なども観察され、評価キットの有用性が明確に示された。
(3)(5) フロー合成装置を有する拠点の設備を強化し、共同研究体制を拡充した。
(4) 他領域との共同シンポジウムの開催、各種学会での発表・共催を通じて領域活動を広報し、産学官の連携強化を図った。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
(1) 実験化学者に向け、座学に加えて体験型のGRRM講習会やフロー反応勉強会を実施し、それらを活用した共同研究を推進した。若手教員を講師とする若手セミナーを開催し、領域内外の情報交換およびネットワーク構築を図った。これらを通じて、班員の機械学習リテラシーの質と量の両面で大幅な向上が見られ、有機合成研究における機械学習の活用が日常化しつつある。
(2) 官能基共存性を網羅的に評価可能なキットを用い、対象反応の拡大と多様な反応における実験を実施した。ラジカル反応や水系反応への応用には工夫が必要であることも判明し、今後の改良に向けた準備を進めている。
(3) 電解・光反応のフロー化に関する共同研究が進展し、成果を論文として発表した。また、基幹32反応を中心に、未フロー化反応のフロー化の検討も継続中である。
(4) 令和6年8月にはDenmark教授（米国）を招聘し、特別シンポジウムを開催して情報交換を行った。6月には有機電子移動化学討論会と共催で若手勉強会を開催し、11月にはAUN/SEED-NetおよびCES-CHEM Meeting 2024を共催した。さらに、令和7年3月の日本薬学会年会では、他の学術変革領域と合同で「デジタル有機合成」「グリーン触媒」「潜在空間分子設計」のジョイントシンポジウムを開催し、領域活動の広報と産官学連携の強化に努めた。
以上の研究成果を踏まえ、本研究は「おおむね順調に進展している」と判断した。
|
| Strategy for Future Research Activity |
令和7年度は、これまでの成果を基盤として、以下の方針で各課題に取り組む。
(1) 領域活動の領域外への浸透を図る啓発活動を推進し、構築した機械学習プラットフォームの外部研究者による利用促進のための整備を行う。これまで未到達の地域での勉強会や若手セミナーを開催し、融合研究を担う次世代人材の育成を図る。また、領域データベースについては、終了後も持続的に運用可能な体制の構築を進める。
(2) 官能基評価キットを活用した化学選択性データの収集・解析ワークフローをさらに普及させ、領域外の研究者に開放することで波及効果の拡大を図る。あわせて、収集されたデータを用いた官能基共存性の予測モデル構築も進める。
(3) 不斉金属触媒および不斉有機触媒の特徴量データベースの拡充を行い、情報科学の手法と化学的機構解析を融合させることで、有機化学に最適化された実用的な機械学習手法の構築を目指す。
(4) デジタル創薬に関する共同研究をさらに拡大し、構造活性相関研究の対象を創薬分野から機能性材料へと広げ、広範なケミカルスペースにおける有用物質の探索を推進する。
(5) バッチ反応のフロー反応化を一層推進するとともに、実生産をフロー反応で行うことを視野に入れ、新規反応を初めからフロー反応装置で開発するワークフローへの転換を図る。
|
