My Chemical Harness: Evolutionary Molecular Design over Synthetic Pathways with Large Language Model Agents

本論文は、大規模言語モデルを高レベルの戦略コントローラーとして活用し、ビルディングブロックから実行可能な合成経路の構築を導くことで、ハルシネーションやモデルの微調整を必要とすることなく、最先端の分子設計性能を達成するルートネイティブな進化論的フレームワーク「My Chemical Harness」を導入するものである。

要約

あなたは、新しい、極めて効果的な薬を発明しようとしていると想像してください。かつて、科学者（あるいはAI）は、まず完璧な分子の形を夢想しようとしていました。それは、まるで夢の中で車の設計図を描くようなものです。その後、その車を実際に工場でどのように組み立てるかを考えようとしました。しかし多くの場合、その「夢の車」は、部品が存在しなかったり、組み立て手順がデタラメであったりするため、製造不可能なものでした。

「マイ・ケミカル・ハーネス（My Chemical Harness）」は、これを行うための新しい方法です。完成した車を最初に夢想するのではなく、このシステムは組み立て手順と部品カタログから始まります。

以下に、簡単な比喩を用いてその仕組みを説明します。

1. 探索するのは「形」ではなく「レシピ」である

ほとんどのAIは、最終的なケーキ（分子）の形を推測し、それが美味しいことを願います。しかし、このシステムは、あらゆる候補をレシピとして扱います。

• 材料： 実際に購入可能な化学物質のリスト（小麦粉、砂糖、卵のようなもの）。
• 手順： 実証済みの実際の調理法（「混ぜる」、「焼く」、「折りたたむ」など）。
• ルール： 材料が実際に購入可能であり、かつ手順がキッチンで物理的に実行可能である場合にのみ、レシピを書くことができます。

もしレシピが「魔法の粉」を求めていたり、「キッチンを焼き尽くすような手順」を含んでいたりする場合、システムは即座にそれを拒絶します。「探索」が行っているのは、形を探すことではなく、有用な製品を作るための「手順の最適な連鎖」を探すことなのです。

2. AIは「料理人」ではなく「シェフ・マネージャー」である

これがこの論文の最も重要な部分です。大規模言語モデル（AI）は、単にランダムな分子を書き出すことは許されません。それは、パントリーにどんな材料があるのかを知らずに、シェフに新しい料理を考案させるようなものです。

代わりに、AIは戦略マネージャーとして機能します：

• 現在のデータベースにある「レシピ」を確認します。
• 計画を立てます。「砂糖をハチミツに替えてみよう」、「まだあまり使っていない焼き調理法を試してみよう」、あるいは「レシピを短く保とう」といった具合です。
• コンピュータに対して指示を出します：「これらの具体的な変更を試してみてください」。

AIは、分子を実際に「調理」することはありません。AIはただ、高レベルの方向指示を出すだけです。

3. 「ロボット・キッチン」が実作業を行う

AIマネージャーが計画を出した後、決定論的なロボット・キッチン（ローカルコード）が引き継ぎます。このロボットは以下の作業を行います：

• 材料が実際に存在するかどうかを確認します。
• 手順を正確に実行し、レシピが機能するかどうかを確認します。
• 分子を組み立てます。
• 最終製品が良いものかどうかをテストします（標的となる疾患に結合するか？）。
• 失敗したレシピや、重複したレシピを破棄します。

この分離が極めて重要です。もしAIが「幻覚（ハルシネーション）」を起こしてデタラメを言ったとしても、ロボット・キッチンがレシピを実行できないため、即座に検知されます。AIは「方向性」を導きますが、ロボットが「現実」を担保するのです。

4. 間違いから学ぶ（「リフレクション」のループ）

このシステムは、「リフレクション（内省）」と呼ばれるスマートなループを使用しています。

1. 試行： AIが戦略を提案し、ロボットが1,000個のレシピを試します。
2. レビュー： ロボットがAIに報告します。「あなたの『ハチミツを使う』というアイデアは素晴らしかったが、『500度で焼く』という手順は毎回失敗しました」。
3. 調整： AIはこのレポートを読み、そこから学び、次の1,000個のレシピに向けて戦略を変更します。
4. 反復： これを何度も繰り返すことで、回を重ねるごとに賢くなっていきます。

何が分かったのか？

研究者たちは、特定の酵素標的（sEH）と一連の標準的な創薬チャレンジを用いてこれをテストしました。

• より優れた結果： 彼らのシステムは、単に形を先に推測するシステムや、AIの「リフレクション」能力を使用しないシステムよりも、優れた分子を見つけ出しました。
• 作りやすさ： 見出された分子は、効果的であるだけでなく、実際に合成（構築）することが非常に容易でした。
• 再学習が不要： AIは再学習させたり、新しい化学知識を教え込まれたりする必要はありませんでした。AIは既存の知識を用いて、スマートなロボット・キッチンのマネージャーとして機能しただけです。

結論

このシステムを、AIが経験豊富なプロジェクトマネージャーであり、コードが精密な建設作業員である「チーム」だと考えてください。マネージャーは「どこを探すべきか」「何を試すべきか」を決定しますが、作業員は「すべての建築ブロックが実在すること」と「すべての手順が安全であること」を保証します。これにより、AIが不可能なことを夢想することを防ぎ、最終的な発見が現実の世界で実際に構築可能であることを保証しているのです。

技術概要

技術要約：My Chemical Harness

問題提起
創薬および材料探索における中心的な課題は、合成可能性が高く、かつ標的となる化学的特性を備えた分子を設計することである。トランスフォーマーや拡散モデルといった近年の生成モデルの進展は、新しい分子構造のサンプリングにおいて成功を収めているが、それらはしばしば実現可能な合成経路を欠いた候補を生み出してしまう。従来のアプローチでは、通常、まず分子構造を生成してから、後付けで合成可能な経路を割り当てようとするか、あるいは合成可能性を外部からのペナルティとして扱う。本論文は、分子設計は、候補となるオブジェクトを単なる最終的な分子グラフではなく、実行可能な合成経路そのものとして、合成経路に対する直接的な探索として定式化されるべきであると主張している。

手法：My Chemical Harness
著者らは、決定論的な化学パイプライン内で大規模言語モデル（LLM）を戦略コントローラーとして統合した、ルートネイティブな進化フレームワークである「My Chemical Harness」を導入する。このシステムは、集団が孤立した分子ではなく、実行可能な合成経路で構成される遺伝的アルゴリズムとして機能する。

• 探索空間の表現： 探索空間は、購入可能なビルディングブロック（$B$）、SMARTSパターンとして表される反応テンプレートの集合（$R$）、および適合性行列（$M$）によって定義される。候補は、ルート $r = (s_1, \dots, s_L)$、すなわち、インスタンス化された一連の反応ステップである。 「ジェノタイプ（遺伝子型）」はルートであり、「フェノタイプ（表現型）」は、決定論的なツール（例：RDKit）を用いてルートを実行することで得られる最終生成物分子である。
• 戦略コントローラーとしてのLLMの役割： ハルシネーション（幻覚）による生成を防ぐため、LLMは分子や反応ステップを直接生成することを明示的に制限されている。代わりに、LLMはルートの長さ、移動タイプ（例：置換、拡張）、反応ファミリー、探索圧力などの優先順位を選択する、高レベルなプランナーとして機能する。
• 決定論的な実行： ローカルコードがすべての重作業を担当する。これには、互換性のある反応物のサンプリング、反応スロットの検証、RDKit変換の実行、重複の除去、およびタスク固有のオラクルを用いた生成物のスコアリングが含まれる。
• 反射的最適化ループ： 本フレームワークは、「反射的」な反復プロセスを採用している：
  1. コンテキストの組み立て： システムは、アイランドメモリ（成功または失敗したルートの履歴）を収集する。
  2. プランニング： LLMは、タスクとコンテキストに基づいて探索戦略を提案する。
  3. 第1パス： ローカルコードが戦略を実行し、候補を生成・スコアリングする。
  4. 反射： LLMは、結果（成功、失敗、モチーフ）をレビューし、残りの予算に対して戦略を修正する。
  5. 第2パスおよび選択： 修正された戦略が実行され、最良の候補が集団にコミットされる。
  6. 学習： LLMは、将来のイテレーションをガイドするためのレポートを生成する。

主な貢献

1. ルートネイティブな進化探索： 本論文は、遺伝的アルゴリズムが実行可能な合成プログラム（ルート）に対して作用するパラダイムシフトを提案しており、これにより合成可能性が事後的な制約ではなく、探索空間の構造そのものとなることを保証している。
2. 制約付きLLM統合： 化学的な生成に直接関与させることなく、高レベルな戦略を通じて探索を導く「ハーネス（装着具）」アーキテクチャを実証しており、これによりハルシネーションによる生成物や支持されない反応ステップのリスクを排除している。
3. 反射的エージェントメカニズム： 中間反復の反射ステップを導入することで、LLMが決定論的な化学エンジンからの即時フィードバックに基づいて探索ポリシーを適応させることが可能になり、探索努力の配分を改善している。

結果
フレームワークは2つのベンチマークで評価された：

• 可溶性エポキシドヒドロラーゼ（sEH）プロキシ： 反射的LLMエージェントは、決定論的コントローラーおよび非反射的LLMベースラインと比較して、最先端の性能を達成した。トップ1000の平均sEHスコアは $0.984 \pm 0.005$、合成容易性（SA）スコアは最低の $1.996 \pm 0.027$、AiZynthFinder成功率は最高の $0.994 \pm 0.004$ であった。反射的エージェントは、既知のsEH阻害剤の化学と一致する、化学的に解釈可能なモチーフ（例：尿素およびアミド基）を効果的に濃縮することに成功した。
• Therapeutics Data Commons (TDC) オラクル： この手法は、13種類の多様な分子設計オラクルに適用された。反射的LLMアプローチは、amlodipine_mpo (0.6436 vs. 0.620) や sitagliptin_mpo (0.4522 vs. 0.314) を含むいくつかのターゲットにおいて、合成制約付きのベースライン手法（ReaSyn, SynthesisNet, SynNet）を上回り、異なる最適化目的における戦略制御の汎用性を実証した。

意義と主張
本論文は、訓練、ファインチューニング、または専用の生成モデルを必要とせずに、制約付きLLMエージェントが分子探索において重要な役割を果たせることを主張している。LLMの主要な価値は、制約された合成アクション空間に対する適応的な優先順位付けにあると特定されている。LLMの戦略的役割と決定論的な化学実行を分離することで、システムは、LLMが化学空間の有望な領域へと探索を導きつつ、ローカルツールが化学的な現実性と妥当性を強制するというバランスを実現している。著者らは、このアプローチが、合成可能な医薬品や分子印加ポリマーの合理的設計を促進し、AI支援による科学的発見のための信頼性が高く、監査可能で、ハルシネーションのない経路を提供すると結論付けている。