Article
触媒反応：疎なデータから移行可能なエナンチオ選択性モデル
Nature 651, 8106 doi: 10.1038/s41586-026-10239-7
新しい反応のエナンチオ選択性を最適化する触媒クラスを特定することは、既知の基質タイプの異なる組み合わせが関わる場合であれ、それが全く未知のクラスの化合物であれ、大変な難題である。既報の反応セットで訓練された統計モデルはサンプル外の変換の予測に役立つ可能性があるが、多くの場合、（1）触媒–基質相互作用に関する情報が限られた疎なデータしか利用できない、（2）単純な立体電子的パラメーターでは機構的に複雑な変換を記述できない可能性がある、という2つの課題に直面する。今回我々は、触媒または基質のアイデンティティーでエナンチオ決定段階の変化を説明する記述子生成戦略が、異なる配位子タイプや基質タイプが関与する反応のモデル化を可能にすることを報告する。我々は、事例研究の検証として、エナンチオ選択的ニッケル触媒C(sp3)カップリングに関するデータを収集し、不斉誘導に関与すると提案されている遷移状態と中間体から抽出した特徴を用いて統計モデルを訓練した。これらのモデルは、基質適用範囲において報告された成績不良の実施例の最適化を可能にし、未確認の配位子や反応相手にも適用可能であった。今回の手法によって、疎なデータから学習した知識を化学空間へと定量的に移行させることで、触媒と反応の開発を効率化する機会がもたらされる。
