| 研究領域 | デジタル化による高度精密有機合成の新展開 |
|---|
| 研究課題/領域番号 |
22H05366
|
|---|
| 研究種目 |
学術変革領域研究(A)
|
| 配分区分 | 補助金 |
|---|
| 審査区分 |
学術変革領域研究区分(Ⅱ)
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
佐古 真 大阪大学, 大学院薬学研究科, 助教 (20804090)
|
|---|
| 研究期間 (年度) |
2022-06-16 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
7,020千円 (直接経費: 5,400千円、間接経費: 1,620千円)
2023年度: 3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
2022年度: 3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
|
|---|
| キーワード | 機械学習 / 溶媒効果 / 極性転換型反応 / 有機触媒 / 溶媒効果予測 / 有機分子触媒 / 極性転換 / 収率予測 / 記述子 / 極性転換反応 |
|---|
| 研究開始時の研究の概要 |
有機合成反応において溶媒は試薬の反応性や各種選択性を左右する重要な因子である。その溶媒効果の考察において、実験結果の高度分析技術として機械学習を活用することで、研究速度の高速化や学理の理解の深化を目的とする。溶媒の化学的特徴を記述するパラメータを用いて、情報科学による溶媒効果の定量的説明および予測プログラムの開発を行い、反応の収率や選択性に影響する溶媒の支配因子を明らかにする。また、機械学習により未実施溶媒の収率の予測や反応条件最適化を実施・検証する。
|
| 研究実績の概要 |
有機合成反応開発において「溶媒」は、収率や選択性を左右する重要な因子であるものの、多くの場合、実験者の経験や試行錯誤により選別される。その溶媒効果について、機械学習を活用する実験データの回帰分析やデータ予測に基づいて定量的に説明できれば、化学反応の本質を理解でき学理の深化に繋がる。本研究では、トリフェニルホスフィン触媒を用いるアルキン酸エステルの極性転換型反応の開発において、溶媒効果に対する機会学習の適用を検証している。昨年度、α-付加体の収率に対して部分最小自乗（PLS）回帰（成分数2）を用いた場合、比較的良好な回帰結果が得られることを見出した。今年度、β-付加体の収率に対する回帰分析の検証と生成物の収率向上を目的に添加剤の検討を行った。その結果、α-付加体の収率の予測モデルの記述子セットを用い、β-付加体の収率についても各種回帰法を用いて予測モデルを構築したところ、PLS回帰（成分数1）の場合に良好な回帰結果が得られ、Leave-one-out cross validation（LOOCV）により算出したr2値は0.91と高い値を示した。同じ記述子セットを用いて両異性体について良好な回帰結果が得られたことから、本反応の位置選択性と今回選択した溶媒の化学的特徴を表す記述子との強い相関関係が定量的に示された。更なるα-付加体の収率向上を目指し、DFT法による遷移状態の解析により反応機構の考察を行ったところ、本反応の律速段階はプロトン移動であると示唆された。そこで酸添加剤の検討を行った結果、トルエン溶媒中で10 mol%の酢酸を添加し、α-付加体が定量的に得られることを見出した。
|
| 現在までの達成度 (段落) |
令和5年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和5年度が最終年度であるため、記入しない。
|
