Elucidating the Size of Chemical Space with Assembly Theory

Questo articolo utilizza la Teoria dell'Assemblaggio, una misura di complessità molecolare basata su principi primi tramite operazioni ricorsive di unione di legami, per ricalcolare la dimensione dello spazio chimico, rivelando che sotto vincoli di tipo farmacologico (massa < 500 Da), il numero di molecole possibili raggiunge circa 10^117 con un Indice di Assemblaggio di 25, crescendo in modo super-esponenziale fino a doppio-esponenziale all'aumentare della complessità.

L'essenziale

Immagina di cercare di contare ogni singolo castello Lego che potresti mai costruire. Potresti pensare: "Beh, ci sono così tanti modi per incastrare i mattoncini che il numero è praticamente infinito". Gli scienziati hanno cercato di indovinare questo numero in passato, spesso affermando che esistono circa $10^{60}$ molecole (un 1 seguito da 60 zeri) "simili a farmaci". Ma quelle ipotesi avevano un difetto: contavano ogni possibile combinazione di mattoncini, anche quelli che si sarebbero smontati immediatamente o che non avrebbero avuto senso fisico. Non si sono chiesti: "Quanto è difficile effettivamente costruire questo?".

Questo articolo introduce un nuovo modo per contare l'universo delle possibili molecole utilizzando il concetto di Teoria dell'Assemblaggio (Assembly Theory). Pensa a questo non solo come al conteggio del castello finale, ma al conteggio del numero minimo di passi necessari per costruirlo.

Ecco la suddivisione delle loro scoperte utilizzando analogie semplici:

1. La metrica del "Manuale di Istruzioni"

Immagina di avere una molecola specifica. Per costruirla, hai bisogno di un insieme di istruzioni.

• Il vecchio modo: Conta semplicemente quanti atomi ci sono nella molecola.
• Il nuovo modo (Teoria dell'Assemblaggio): Conta il numero minimo di mosse di "incastro" necessarie per costruirla da zero.
  • Se hai una lunga catena di perline identiche, puoi costruire la catena velocemente duplicando un piccolo pezzo ripetutamente. Questo è un oggetto a "bassa complessità".
  • Se hai una molecola in cui ogni singola parte è unica e devi attaccarle una ad una, ciò richiede molti più passaggi. Questo è un oggetto ad "alta complessità".

Gli autori chiamano questo numero di passaggi Indice di Assemblaggio. È come un "indice di difficoltà" per la costruzione.

2. L' "Universo Lego" vs. Il "Mondo Reale"

L'articolo distingue tra due spazi:

• L'Universo dell'Assemblaggio: Questo è lo spazio teorico di ogni possibile forma che potresti creare con i mattoncini Lego, anche se la forma è instabile o impossibile da tenere insieme nella realtà.
• Spazio Chimico: Questo è il sottoinsieme del "Mondo Reale". Include solo molecole che sono fisicamente stabili e che possono effettivamente esistere (come quelle nel database GDB-13, che contiene quasi 1 miliardo di molecole simili a farmaci del mondo reale).

I ricercatori hanno usato il database GDB-13 come una mappa per vedere quanto sia grande effettivamente lo spazio chimico del "Mondo Reale".

3. Quanto velocemente cresce lo spazio?

La grande domanda era: man mano che il "indice di difficoltà" (Indice di Assemblaggio) aumenta, quanto velocemente esplode il numero di molecole possibili?

• La scoperta: Il numero di molecole possibili cresce velocemente.
  • Cresce più velocemente di una curva esponenziale standard (come l'interesse composto).
  • Cresce a un ritmo compreso tra "super-esponenziale" e "doppio-esponenziale".
  • L'analogia: Se immagini il numero di molecole come un palloncino, la crescita standard è come gonfiarlo lentamente. Questo articolo suggerisce che il palloncino si sta gonfiando così velocemente che è praticamente un'esplosione.

4. L'effetto "Filtro"

L'articolo ha anche esaminato cosa succede se si applicano dei "filtri" al set Lego.

• Niente anelli: Se permetti solo catene lineari di atomi (senza loop), lo spazio cresce in un modo specifico.
• Con gli anelli: Se permetti agli atomi di formare cicli (anelli), le molecole tendono a essere più "simmetriche" (più facili da costruire copiando le parti), il che cambia il modo in cui lo spazio cresce.
• Motivi specifici: Se richiedi che una molecola abbia una forma specifica (come un anello quadrato), lo spazio si restringe, ma rimane comunque astronomicamente vasto.

5. Il conteggio finale

Quando i ricercatori hanno applicato tutte le regole standard per le molecole "simili a farmaci" (cose come: deve avere un peso inferiore a un certo limite, deve essere stabile, deve avere tipi specifici di atomi) e hanno guardato alle molecole con un Indice di Assemblaggio di 25, hanno calcolato la dimensione di questo spazio.

Il Risultato: Esistono circa $10^{117}$ molecole possibili.

Per mettere questo dato in prospettiva:

• La stima precedente era $10^{60}$.
• La nuova stima è $10^{117}$.
• Questo è un numero così grande da oscurare il numero di atomi nell'intero universo osservabile.

Riassunto

L'articolo sostiene che l' "universo delle possibili molecole" non è solo grande; è stordendentemente vasto e cresce a un ritmo terribilmente veloce all'aumentare della complessità. Usando un metodo di "conteggio dei passi" (Teoria dell'Assemblaggio) invece di contare solo gli atomi, hanno scoperto che, anche con regole rigide su cosa renda un buon farmaco, il numero di possibilità è di circa $10^{117}$. Ciò suggerisce che trovare una molecola specifica e utile in questo oceano di possibilità è un compito incredibilmente difficile, semplicemente perché l'oceano è molto più grande di quanto pensassimo in precedenza.

Sommario tecnico

Sintesi Tecnica: Elucidare la Dimensione dello Spazio Chimico con la Teoria dell'Assemblaggio

Problema
Lo spazio chimico è tradizionalmente stimato essere vastissimo, con calcoli euristici che suggeriscono circa $10^{60}$ molecole "simili a farmaci" al di sotto di 500 Da. Tuttavia, queste stime spesso non tengono conto della complessità strutturale e sintetica delle molecole enumerate. Gli approcci esistenti per quantificare lo spazio chimico si affidano all'enumerazione esplicita (ad es. database GDB) o alla generazione implicita (ad es. algoritmi genetici, deep learning), ma nessuno dei due riesce a catturare pienamente i vincoli fondamentali di costruttibilità o il tasso con cui lo spazio cresce all'aumentare della complessità. È necessario un framework basato sui primi principi per partizionare lo spazio chimico in base alla complessità causale necessaria per costruire le molecole, piuttosto che solo sulle loro proprietà statiche.

Metodologia
Gli autori impiegano la Teoria dell'Assemblaggio (Assembly Theory), un framework che quantifica la complessità causale di un oggetto misurando il numero minimo di operazioni ricorsive di unione di legami necessarie per costruirlo. Questo parametro è definito come l'Indice di Assemblaggio ($a$).

1. Framework Teorico:

   • Le molecole sono trattate come grafi molecolari ($O$) costruiti da blocchi costitutivi (building blocks, $BB$).
   • Lo Stato di Assemblaggio è definito dalla coppia $(a, S)$, dove $S$ è la dimensione (numero di legami) e $a$ è l'Indice di Assemblaggio.
   • Sono stabiliti limiti teorici per l'Indice di Assemblaggio: $\log_2(S) \leq a \leq S-1$. Vengono derivati limiti migliorati basati sul numero di blocchi costitutivi ($|BB|$) e sulla dimensione $S$, denotati come $a_{max}(S, BB)$.
   • Il documento utilizza inclusioni di insiemi per delimitare il numero di molecole fino a un dato Indice di Assemblaggio $n$: $|Set(a_{max} \leq n)| \leq |Set(a \leq n)| \leq |Set(l(S) \leq n)|$.

2. Dati e Computazione:

   • Baseline: Il database GDB-13 (contenente circa 977 milioni di molecole simili a farmaci con fino a 13 atomi pesanti: C, N, O, S, Cl) è utilizzato come proxy per lo "Spazio Chimico Possibile per Assemblaggio" (molecole fisicamente possibili).
   • Proxy dell'Universo: I Grafi Semplici Connessi (SCG) sono utilizzati per rappresentare l' "Universo di Assemblaggio" (tutte le possibilità combinatorie).
   • Algoritmo: Gli autori calcolano l'Indice di Assemblaggio esatto per tutte le molecole del database GDB-13 e per gli SCG fino a 18 archi utilizzando algoritmi specializzati (ad es. la libreria nauty).
   • Vincoli: L'analisi applica vari vincoli ai dati GDB-13, tra cui:
     • Restrizioni sul tipo di legame (ad es. solo legami singoli, singoli/doppi, specifiche combinazioni di eteroatomi).
     • Vincoli strutturali (ad es. presenza/assenza di anelli, dimensioni specifiche degli anelli come il ciclobutano).

Contributi Chiave

• Partizionamento per Complessità: Il documento introduce un metodo per partizionare lo spazio chimico in livelli definiti dall'Indice di Assemblaggio, creando un ordinamento costruttivo delle molecole basato sui minimi passi causali necessari per la loro formazione.
• Limiti del Tasso di Crescita: Lo studio stabilisce che lo spazio chimico cresce almeno in modo super-esponenziale e al massimo in modo doppio-esponenziale rispetto all'Indice di Assemblaggio.
• Quantificazione dei Vincoli: Gli autori dimostrano come specifici vincoli fisici e strutturali (tipi di atomi, tipi di legame, presenza di anelli) alterino la distribuzione delle molecole nello Spazio di Stato di Assemblaggio e influenzino il tasso di crescita dello spazio.
• Validazione Numerica: Il lavoro fornisce la prima conferma numerica, utilizzando il database GDB-13, che il "Possibile per Assemblaggio" molecolare cresce in modo super-esponenziale, supportando precedenti congetture teoriche.

Risultati

• Dinamiche di Crescita: L'analisi dei Grafi Semplici Connessi (SCG) mostra che il numero accumulato di grafi cresce vicino al limite superiore doppio-esponenziale. La maggior parte dei grafi in questo universo sono "duplicato-simmetrici" (costruiti tramite duplicazione ricorsiva).
• Spazio Chimico (GDB-13):
  • La distribuzione delle molecole GDB-13 nello Spazio di Stato di Assemblaggio si colloca tra il limite inferiore e quello superiore teorico.
  • Lo spazio cresce in modo super-esponenziale fino all'Indice di Assemblaggio 4 (il limite dei dati completi nel database).
  • Effetti dei Vincoli:
    • Le molecole con soli legami carbonio-carbonio singoli mostrano una crescita vicina al limite doppio-esponenziale.
    • L'introduzione di diversi tipi di legame o eteroatomi sposta il tasso di crescita lontano dal limite doppio-esponenziale, sebbene la maggior parte delle molecole rimanga duplicato-simmetrica.
    • Vincoli degli Anelli: La presenza di anelli aumenta la duplicata simmetria, causando una tendenza della distribuzione verso il limite simmetrico. Al contrario, le molecole acicliche (senza anelli) si comportano più come stringhe, tendendo verso il limite duplicato-asimmetrico.
• Stima delle Dimensioni: Sotto vincoli comparabili agli standard delle stime per i farmaci (massa molecolare < 500 Da), l'analisi proietta uno spazio chimico di circa $10^{117}$ molecole all'Indice di Assemblaggio 25.

Significato
Il documento sostiene di fornire una stima dei primi principi della dimensione dello spazio chimico che tiene conto della complessità causale della costruzione, piuttosto che della semplice enumerazione combinatoria. Utilizzando l'Indice di Assemblaggio, gli autori offrono una metrica misurabile per navigare nell'immensità dello spazio chimico, distinguendo tra regioni strutturalmente semplici (alta simmetria) e quelle più complesse. Questo approccio permette di quantificare come i vincoli strutturali (come quelli riscontrati nella scoperta di farmaci) riducano lo spazio accessibile. Gli autori postulano che questo framework fornisca intuizioni non solo per la progettazione di farmaci e materiali, ma anche per la natura di altri spazi combinatori, come quelli genetici e proteici, definendo i limiti fondamentali della costruttibilità.