ReactionAtlas: Ab origine exploration of chemical reaction networks with machine learning

技術要約：ReactionAtlas

問題提起
化学反応ネットワーク（CRN）——極小点、遷移状態（TS）、およびそれらを結ぶ基本反応からなるグラフ——をマッピングすることは、触媒作用から生命の起源に至るまで、複雑な化学現象を理解する上で不可欠である。しかし、これらのネットワークを構築することは、中間体の組み合わせ爆発や、数万個に及ぶ遷移状態の特性評価に伴う計算コストのため、歴史的に困難であった。密度汎関数理論（DFT）のような従来の手法は、オープンエンドな探索を行うには極めて低速である。さらに、既存の自律的フレームワークの多くは、あらかじめ供給された反応物・生成物ペアを必要とする双方向型のTS探索手法に依存しており、ヒューリスティックなルールや既知の反応メカニズムを必要とする。この「鶏が先か卵が先か」のアプローチは、汎用性を制限し、シード分子のみから出発する真の ab origine（原理的）な探索を妨げている。

手法
著者らは、手作りの反応ルールを用いることなく、少数のシード分子から化学反応ネットワークを構築する、ab origine な CRN 探索のためのフレームワークである ReactionAtlas を導入する。このシステムは、共有される反応グラフを拡張する、結合した2つのループによって動作する：

1. 生成的ループ（分子間反応）:

   • サンプリング: 反応物は、動力学モデル（結合した常微分方程式の解決）によって計算された定常状態濃度に基づいて、現在のネットワークから抽出される。サンプラーは、単一分子またはペア（二分子反応用）を選択する。
   • TS提案: デノイジング拡散モデルである MoreRed が、遷移状態の幾何構造を提案する。$\omega$B97X-D3 Grambow データセットで学習された More Red は、反応物の幾何構造（部分的にノイズが付加されたもの）を取り込み、それをデノイズして TS 候補を提案する。これは厳密な単方向プロセスであり、生成物に関する情報を必要としない。
   • 検証: 機械学習力場（MLFF）クリティックである MD-ET（QCML データで学習されたトランスフォーマーベースのモデル）が、力の予測およびヘッシアンのゼロショット予測として機能する。これは、以下の条件を確認することで候補をフィルタリングする：
     • 正確に1つの虚数固有値を持つヘッシアン。
     • 整数反応座標（IRC）の終端における2つの異なる極小点。
     • 物理的に制限された順反応および逆反応の障壁高さ。

2. PES ループ（分子内および局所探索）:

   • 濃度閾値を超えた新たに発見された極小点に対して、短いランジュバン分子動力学（MD）トラジェトリが局所的な構成空間をサンプリングする。
   • 鞍点探索: MD トラジェトリのフレームは、近傍の鞍点へと登るための分割有理関数最適化（P-RFO）の開始点として機能する。
   • 検証: 検証された鞍点は IRC を通じてチェックされる。その終端が同じ化合物に対応する場合は、構成変化（conformational transitions）として登録され、異なる化合物（または断片）に対応する場合は、新しい反応（"escap de-escaped reactions"）として登録される。

3. 動力学的ガイダンス:

   • ネットワークは、アイリングの遷移状態理論を用いて質量作用系として定期的に積分され、定常状態濃度を計算する。これらの濃度は生成的ループにおけるサンプリングに重み付けを行い、計算リソースを動力学的に妥当な化学空間へと導く。

主な貢献

• 単方向生成的 TS 探索: 反応物・生成物ペアを事前に提供したり、ルールベースの列挙を行ったりすることなく、単一の反応物から TS を提案する拡散ベースのアプローチを導入した。
• MLFF-クリティック フレームワーク: 生成プロポーザーと堅牢な MLFF クリティック（MD-ET）を組み合わせ、探索フェーズにおける高価な DFT 計算への依存を大幅に軽減し、TS の検証と幾何構造の精緻化を行う。
• Ab Origine 探索: 本フレームワークは、特定の化学メカニズムを課すことなく、わずか8つの前生物的シード分子（$CH_2O, H_2O, OH^-, H_3O^+, CO_2, H_2CO_3, HCO_3^-, H$）から化学反応ネットワークの探索に成功した。
• 電荷と立体化学の解決: 多くの先行データセットとは異なり、ReactionAtlas はネットワーク全体にわたって電荷状態と立体化学（R/S, E/Z）の両方を解決している。

結果

• 規模: 8つのシードから出発し、ReactionAtlas は約 12,000 個の一意の化合物（最大10個の重原子）、31,000 個のコンフォーマー、および 約47,000 個の基本反応 を発見した。
• 関連性: 炭素数が高いと組み合わせ空間が爆発するにもかかわらず、C2 では Wikipedia 名の種を 95% 以上、C3 および C4 では 80% 以上以上回収した。また、星間空間で検出されている閉殻 C/H/O 種の 91% を回収した。
• 品質: 提案された再配列 TS の 86% および、より困難な反応の 41% が、MLFF 基準に従って有効な一次鞍点であった。単一の DFT（PBE0）精緻化ステップの後、有効率はそれぞれ 99% および 94% に上昇した。MLFF の TS は、85% のケースで PBE0 リファレンスと 0.5 Å RMSD 以内で一致した。
• 速度: ReactionAtlas は、有効な TS を約 23 分（L4 GPU ノードでの平均実時間）ごとに発見する。これは、有効な反応物・生成物ペアを必要とし、CPU ノードで1反応あたり数百分を要する双方向型手法（例：NEB, DE-GSM）よりも数桁高速である。
• フォルモーゼ・サイクルの発見: 本フレームワークは、以下の内容を含むフォルモーゼ自己触媒サイクルを自律的に再構築した：
  • 開始ステップ（$2 \times \text{Formaldehyde} \to \text{Glycolaldehyde}$）であり、障壁は約 33.4 kcal/mol である。
  • エネジオール中間体を介した ロブリー・ド・ブリュイン–ファン・エケスタイン（LdB–AvE）相互変換メカニズム。
  • 標準的なブレズロー経路と、これまで報告されていなかった「圧縮された」C3-エネジオール・ショートカットという、2つの異なる自己触媒サイクル。
  • 実在の化学系では予測されていたが、これまで観察されていなかったトポロジカル構造である タイプ IV 自己触媒モチーフ の特定。

意義
本論文は、ReactionAtlas が、あらゆる反応化学にわたる任意の CRN を探索するための、実行可能で正確かつ効率的な基盤を提供すると主張している。化学固有のルールを排除し、シード分子からのオープンエンドな探索を可能にすることで、従来のメソッドにおけるスケーラビリティと汎用性の限界を克服している。得られたデータセットは、炭水化物化学に対して前例のない規模と詳細さ（立体化学と電荷状態の解決）を提供し、生命の化学的起源の中心モデルであるフォルモーゼ反応に関する新たなメカニズム的洞察を与える。著者らは、本研究を、機械学習を前生物的反応ネットワークの体系的な構築と探索に適用するという未解決の課題を解決するための一歩として位置づけている。