Machine Learning-Assisted Prediction of Szeged and Mostar Indices for Class of Dendrimers

Nel mondo microscopico della chimica, le molecole non sono solo collezioni casuali di atomi; sono strutture intricate con forme specifiche, proprio come minuscoli capolavori architettonici. Per decenni, gli scienziati hanno cercato di capire come la forma di una molecola ne detti il comportamento: come si dissolve, come reagisce o come interagisce con le cellule viventi. Per farlo, spesso si rivolgono a un ramo della matematica chiamato teoria dei grafi chimici. In questo campo, una molecola è trattata come una mappa: gli atomi sono i punti sulla mappa e i legami che li connettono sono le linee. Studiando le distanze tra questi punti, i ricercatori possono assegnare un singolo numero a una molecola che ne cattura la geometria complessiva. Questi numeri, noti come descrittori topologici, fungono da abbreviazione della personalità fisica di una molecola, permettendo agli scienziati di prevedere proprietà come i punti di ebollizione o quanto bene un farmaco possa viaggiare attraverso il corpo senza dover costruire e testare ogni singola versione in un laboratorio.

Una classe di molecole particolarmente promettente per queste applicazioni è il dendrimero. Immaginate un albero che cresce in strati perfetti e simmetrici, partendo da un tronco centrale e ramificandosi in un modello preciso e ripetitivo. I dendrimeri sono versioni sintetiche di questo concetto. Sono strutture altamente ramificate, simili ad alberi, che gli scienziati possono costruire strato dopo strato, con ogni nuovo strato che aggiunge una specifica quantità di dimensione e complessità. Poiché la loro forma è così precisa, sono incredibilmente utili in medicina, in particolare per la consegna di farmaci a bersagli specifici nel corpo o per l'uso in materiali avanzati. Tuttavia, man mano che questi alberi molecolari crescono, prevedere il loro esatto comportamento diventa una sfida. La domanda che i ricercatori si pongono è se i numeri matematici che descrivono la loro forma possano prevedere accuratamente come si comporteranno nel mondo reale.

Un team di ricercatori provenienti dal Pakistan e dall'Arabia Saudita ha deciso di rispondere a questa domanda concentrandosi su tre tipi distinti di dendrimeri: quelli contenenti fosforo, quelli costruiti attorno a un nucleo chiamato perilenodiimmide e quelli realizzati con poliammidi alifatiche. Il loro obiettivo era calcolare un set specifico di numeri matematici per ciascuna di queste strutture molecolari. Questi numeri, che i ricercatori chiamano indici di Szeged e Mostar, misurano diversi aspetti delle distanze interne e della simmetria della molecola. Gli indici di Szeged osservano come gli atomi siano distribuiti rispetto ai legami, mentre gli indici di Mostar misurano quanto la molecola sia disomogenea o simmetrica. Calcolando questi valori per i primi tre generazioni di crescita per ogni tipo di dendrimero, il team ha creato un profilo matematico dettagliato per ogni struttura.

I ricercatori hanno poi preso questi numeri calcolati e li hanno confrontati con dati del mondo reale raccolti in esperimenti precedenti. Hanno esaminato tre proprietà fisiche chiave: il peso molecolare (quanto è pesante la molecola), il modo in cui la molecola assorbe la luce infrarossa (che rivela dettagli sui suoi legami chimici) e la temperatura di transizione vetrosa (il punto in cui il materiale passa dall'essere duro e fragile a morbido e gommoso). Tracciando i numeri matematici contro queste misurazioni fisiche, hanno usato strumenti statistici per vedere se emergesse un modello. I risultati hanno mostrato una connessione chiara e forte. Per i dendrimeri contenenti fosforo, il numero matematico che meglio prediceva le proprietà fisiche era l'indice Mostar di bordo. Per i dendrimeri con nucleo di perilenodiimmide, l'indice Mostar totale forniva il legame più forte. E per i dendrimeri di poliammide alifatica, una combinazione degli indici Mostar di bordo e totale offriva le migliori previsioni.

Lo studio ha scoperto che, man mano che questi alberi molecolari crescevano, i loro indici matematici crescevano in modi prevedibili. L'indice di Szeged totale, che misura la complessità complessiva della struttura, mostrava un aumento rapido ed esponenziale con l'avanzare delle generazioni, mentre gli indici di Mostar crescevano più lentamente. Ciò ha permesso ai ricercatori di costruire semplici equazioni lineari che potevano stimare i tratti fisici di una molecola basandosi esclusivamente sulla sua descrizione matematica. Ad esempio, hanno determinato che per gli alberi basati sul fosforo, l'indice Mostar di bordo era il predittore più affidabile del peso molecolare e della temperatura di transizione vetrosa. Allo stesso modo, per le strutture con perilenodiimmide, l'indice Mostar totale era la chiave per comprendere come la molecola si sarebbe comportata durante la crescita.

Queste scoperte suggeriscono che gli scienziati possono fare affidamento su questi descrittori matematici per prevedere il comportamento di nuovi dendrimeri prima ancora che vengano sintetizzati. I dendrimeri contenenti fosforo, che mostravano i valori più alti per questi indici, sembrano avere una struttura altamente ramificata capace di contenere un gran numero di molecole di farmaco, sebbene la loro asimmetria possa renderli meno solubili. Al contrario, i dendrimeri di poliammide alifatica avevano la struttura più semplice e gli indici più bassi, suggerendo che siano più simmetrici e probabilmente più biocompatibili, rendendoli ideali per una consegna di farmaci prevedibile. I dendrimeri con nucleo di perilenodiimmide si collocavano nel mezzo, offrendo una struttura equilibrata che poteva caricare i farmaci in modo efficiente mantenendo la stabilità.

Dimostrando che questi numeri topologici sono così fortemente correlati alla realtà fisica, lo studio offre uno strumento potente per la progettazione di farmaci e la scienza dei materiali. Invece di spendere tempo e risorse per costruire e testare in laboratorio innumerevoli variazioni di una molecola, i ricercatori possono ora usare questi modelli matematici per esaminare i candidati e prevedere le loro proprietà con alta precisione. Questo approccio non sostituisce la necessità di validazione sperimentale, ma restringe significativamente il campo, permettendo agli scienziati di concentrare i loro sforzi sui progetti molecolari più promettenti. Il lavoro dimostra che il linguaggio della matematica può descrivere efficacemente il mondo fisico delle molecole, trasformando complessi problemi strutturali in equazioni risolvibili e aprendo la strada a uno sviluppo più efficiente di farmaci salvavita e materiali avanzati.