Elucidating the Size of Chemical Space with Assembly Theory

本論文は、再帰的な結合操作に基づく分子の複雑さの第一原理的な尺度であるアセンブリー理論を利用して化学空間の大きさを再推定しており、薬物様制約（質量 < 500 Da）の下では、アセンブリー指数が25において可能な分子の数が約10^117に達し、複雑さが増すにつれて超指数関数的から二重指数関数的な成長を示すことを明らかにしている。

要約

あなたは、作りうるすべてのレゴのお城の数を数えようとしていると想像してみてください。あなたはこう思うかもしれません。「レゴブロックを組み合わせる方法は無数にあるので、その数は実質的に無限に近い」と。科学者たちも以前、この数を推測しようとしたことがあり、しばしば「10の60乗（1の後に0が60個続く数）」程度の「薬物様」分子が存在すると述べてきました。しかし、それらの推測には欠陥がありました。それらは、たとえすぐにバラバラになってしまったり、物理的に意味をなさなかったりする組み合わせであっても、あらゆる可能な組み合わせを数えてしまったのです。彼らは、「それを実際に『作る』のがどれほど難しいか？」という問いを投げかけていませんでした。

この論文は、アセンブリー理論（組立理論）という概念を用いて、可能な分子の宇宙を数える新しい方法を紹介しています。これは単に完成したお城を数えるのではなく、それを構築するために必要な最小限の手順数を数えるものだと考えてください。

以下に、簡単な比喩を用いた彼らの研究結果の解説を記します。

1. 「取扱説明書」の指標

特定の分子があるとしましょう。それを組み立てるには、一連の指示書が必要です。

• 従来の方法： 分子の中にどれだけの原子があるかを数える。
• 新しい方法（アセンブリー理論）： 最初からその分子を構築するために必要な、最小限の「カチッとはめる」動作の数を数える。
  • もし、同じビーズが連なった長い鎖がある場合、小さな塊を何度も複製することで素早く作ることができます。これは「低複雑性」の物体です。
  • もし、すべてのパーツがユニークで、一つずつ取り付けなければならない分子がある場合、それにはより多くのステップが必要になります。これは「高複雑性」の物体です。

著者たちは、このステップ数を**アセンブリー・インデックス（組立指数）**と呼んでいます。これは、作る際の「難易度評価」のようなものです。

2. 「レゴの宇宙」対「現実の世界」

論文では、2つの空間を区別しています。

• アセンブリー・ユニバース（組立の宇宙）： レゴブロックで作れるあらゆる形状の理論的な空間です。たとえその形状が不安定であったり、現実には維持できなかったりする場合でも含まれます。
• ケミカル・スペース（化学空間）： これは「現実の世界」のサブセットです。ここには、物理的に安定しており、実際に存在しうる分子（約10億個の現実世界の薬物様分子を含むGDB-13データベースのようなもの）のみが含まれます。

研究者たちは、現実の化学空間がどれほど大きいかを把握するために、GDB-13データベースを地図として使用しました。

3. 空間はどのように拡大するか？

大きな疑問は、「難易度評価（アセンブリー・インデックス）が上がるにつれて、可能な分子の数はどれほどの速さで爆発的に増えるのか？」ということでした。

• 判明したこと： 可能な分子の数は、超高速で増加します。
  • それは標準的な指数関数的成長（複利計算のようなもの）よりも速く成長します。
  • その成長率は、「超指数関数的」と「二重指数関数的」の中間的な速度です。
  • 比喩： もし分子の数を風船だと想像してください。標準的な成長はゆっくりと膨らませるようなものですが、この論文は、風船があまりにも速く膨らみ、実質的に爆発しているような状態であることを示唆しています。

4. 「フィルター」の効果

論文では、レゴセットに「フィルター」をかけた場合に何が起こるかも調査しました。

• リング（環構造）なし： もし直線的な鎖のみを許可した場合（ループがない場合）、空間は特定の 방식으로成長します。
• リングあり： もし原子がループ（環）を形成することを許可した場合、分子はより「対称的（パーツをコピーすることで作りやすい）」になり、それが空間の成長の仕方に変化をもたらします。
• 特定のモチーフ： もし分子が特定の形状（正方形のリングなど）を持たなければならないと要求した場合、空間は縮小しますが、それでも依然として天文学的な大きさです。

5. 最終的なカウント

研究者たちが「薬物様」分子に関するすべての標準的なルール（例：一定の重量以下であること、安定していること、特定の種類の原子を持つこと）を適用し、アセンブリー・インデックスが25である分子を見たとき、彼らはこの空間のサイズを算出しました。

結果： およそ 10の117乗 の分子が存在します。

これを比較してみましょう。

• 以前の推定値は 10の60乗でした。
• 新しい推定値は 10の117乗です。
• これは、観測可能な宇宙全体にある原子の数さえも圧倒してしまうほど巨大な数字です。

まとめ

この論文は、「可能な分子の宇宙」は単に大きいだけでなく、気が遠くなるほど広大であり、複雑さが増すにつれて恐ろしいほどの速さで増大していくことを主張しています。単に原子を数えるのではなく、「ステップを数える」方法（アセンブリー理論）を用いることで、優れた薬となるための厳格なルールを適用したとしても、その可能性の数は約10の117乗に達することを見出しました。このことは、この広大な可能性の海の中から、特定の有用な分子を見つけ出すことがいかに困難な作業であるかを物語っています。なぜなら、その海は私たちが以前考えていたよりも、はるかに巨大だからです。

技術概要

技術要約：アセンブリー理論による化学空間の規模の解明

問題提起
化学空間は伝統的に膨大であると推定されており、ヒューリスティックな計算では、500 Da以下の「薬物様」分子は約$10^{60}$個存在すると示唆されている。しかし、これらの推定値は、列挙された分子の構造的および合成的な複雑さを十分に考慮できていないことが多い。化学空間を定量化するための既存のアプローチは、明示的な列挙（例：GDBデータベース）または暗黙的な生成（例：遺伝的アルゴリズム、ディープラーニング）に依存しているが、いずれも構築可能性の根本的な制約や、複雑さが増すにつれて空間が成長する速度を完全には捉えられていない。したがって、分子の静的な特性ではなく、分子を構築するために必要な因果的複雑さに基づいて化学空間を分割する、第一原理に基づいたフレームワークが必要とされている。

手法
著者らは、**アセンブリー理論（Assembly Theory）を採用している。これは、再帰的な結合操作の最小回数を測定することによって、対象物の因果的複雑さを定量化するフレームワークである。この指標はアセンブリー指数（$a$）**として定義される。

1. 理論的枠組み:

   • 分子は、ビルディングブロック（$BB$）から構成される分子グラフ（$O$）として扱われる。
   • アセンブリー状態は、サイズ（結合数）$S$とアセンブリー指数$a$のペア $(a, S)$ によって定義される。
   • アセンブリー指数の理論的境界は $\log_2(S) \leq a \leq S-1$ である。改良された境界は、ビルディングブロックの数（$|BB|$）およびサイズ$S$に基づいて$a_{max}(S, BB)$ として導出される。
   • 本論文では、集合の包含関係を用いて、アセンブリー指数 $n$ までの分子の数を制限する：$|Set(a_{max} \leq n)| \leq |Set(a \leq n)| \leq |Set(l(S) \leq n)|$。

2. データと計算:

   • ベースライン: 「アセンブリー可能（Assembly Possible）」（物理的に構築可能な分子）の代用として、GDB-13データベース（最大13個の重原子（C, N, O, S, Cl）を含む約9億7700万個の薬物様分子を含有）を使用する。
   • ユニバースの代用: 「アセンブリー・ユニバース」（すべての組合せ論的な可能性）を表現するために、単純連結グラフ（SCG）を使用する。
   • アルゴリズム: 著者らは、専用のアルゴリズム（例：nauty ライブラリ）を用いて、GDB-13データベース内の全分子およびエッジ数が18以下のSCGの正確なアセンブリー指数を算出する。
   • 制約条件: 分析には、以下の様々な制約をGDB-13データに適用する：
     • 結合タイプの制限（例：単結合のみ、単結合/二重結合、特定のヘテロ原子の組み合わせ）。
     • 構造的制約（例：環の有無、特定の環のサイズ［シクロブタンなど］）。

主な貢献

• 複雑さによる分割: 本論文は、分子の形成に必要な最小限の因果的ステップに基づいた構成的な順序を作成するために、アセンブリー指数によって化学空間をレベル分けする手法を導入している。
• 成長率の境界: 本研究は、化学空間がアセンブリー指数に対して、少なくとも**超指数関数的（super-exponentially）に、かつ最大で二重指数関数的（double-exponentially）**に成長することを確立した。
• 制約の定量化: 原子種、結合種、環の存在といった特定の物理的および構造的制約が、アセンブリー状態空間内の分子分布をどのように変化させ、空間の成長率にどのような影響を与えるかを実証している。
• 数値的検証: GDB-13データベースを用いることで、分子の「アセンブリー可能（Assembly Possible）」が超指数関数的に成長するという、これまでの理論的推測を裏付ける初の数値的確認を提供した。

結果

• 成長ダイナミクス: 単純連結グラフ（SCG）の分析により、グラフの累積数は二重指数関数的な上限に近い形で成長することが示された。このユニバースにおけるほとんどのグラフは、「複製対称（duplicate-symmetric）」（再帰的な複製によって構築される）である。
• 化学空間（GDB-13）:
  • GDB-13分子のアセンブリー状態空間における分布は、理論的な下限と上限の間に位置している。
  • 化学空間は、アセンブリー指数4（データベースの完全なデータの限界）まで超指数関数的に成長する。
  • 制約の影響:
    • 単結合の炭素-炭素結合のみを持つ分子は、二重指数関数的な境界に近い成長を示す。
    • 多重結合やヘテロ原子を導入すると、成長率は二重指数関数的な境界から離れるが、大部分の分子は依然として複製対称である。
    • 環の制約: 環の存在は複製対称性を高め、分布を対称的な境界へと傾ける。逆に、非環状（アセトリック）の分子は、より「紐（string）」のような挙動を示し、複製非対称の境界へと傾く。
• サイズ推定: 標準的な薬物様推定（分子量 < 500 Da）に相当する制約の下で、本分析はアセンブリー指数25において、約$10^{117}$個の分子の化学空間を予測している。

意義
本論文は、単なる組合せ論的な列挙ではなく、構築の因果的複雑さを考慮した、化学空間の規模に関する第一原理に基づく推定を提供すると主張している。アセンブリー指数を用いることで、著者らは広大な化学空間をナビゲートするための測定可能な指標を提示し、構造的に単純な領域（高い対称性を持つもの）と複雑な領域を区別している。このアプローチにより、構造的制約（創薬で見られるようなもの）がいかにアクセシブルな空間を縮小させるかを定量化できる。著者らは、このフレームワークが、創薬や材料設計だけでなく、遺伝的空間やタンパク質空間といった他の組合せ論的空間の性質を理解するための、構築可能性の根本的な限界を定義する洞察をもたらすと考えている。