Resumo Técnico: Da Viabilidade à Praticidade: Planejamento de Síntese Pareto-Otimizado

Declaração do Problema

Os métodos atuais de Planejamento de Síntese Assistido por Computador (CASP) tratam predominantemente a retrossíntese como um problema resolvido assim que uma única rota viável é identificada, otimizando principalmente para métricas de convergência ou caminho mais curto. Essa perspectiva de objetivo único não se alinha com a realidade industrial, onde os químicos devem equilibrar objetivos concorrentes e frequentemente conflitantes, como custo, sustentabilidade, toxicidade e rendimento global. As abordagens existentes tipicamente separam a geração de rotas da otimização, utilizando algoritmos de múltiplos passos para encontrar rotas não ranqueadas e aplicando análise post-hoc para otimizar critérios específicos. Essa separação arrisca perder rotas de síntese promissoras que não se destacam em uma única métrica, mas oferecem compensações superiores. Além disso, embora exista planejamento de síntese com restrições (por exemplo, fixando materiais de partida), a verdadeira otimização multiobjetivo que captura explicitamente compensações via uma frente de Pareto tem sido pouco explorada, particularmente com garantias teóricas de optimalidade na complexa estrutura de grafo AND-OR da retrossíntese.

Metodologia: MORetro*

Os autores introduzem o MORetro, um algoritmo de busca multiobjetivo projetado para gerar uma frente de Pareto (FP) de rotas de síntese para qualquer número de objetivos definidos pelo usuário. O método estende o algoritmo de objetivo único Retro* (Chen et al., 2020) e o RetroGraph (Xie et al., 2022) para um cenário multiobjetivo usando os seguintes componentes principais:

1. Busca A* Multiobjetivo em Grafos AND-OR

O espaço de busca é modelado como um grafo acíclico direcionado (DAG) onde as moléculas são nós OR (requerendo apenas que uma reação seja resolvida) e as reações são nós AND (requerendo que todos os reagentes sejam resolvidos).

• Escalarização: Para navegar no espaço de objetivos de alta dimensão, o MORetro* emprega escalarização linear ponderada. Ele gera um conjunto de vetores de peso $W$ amostrados do simplex de probabilidade. Cada vetor de peso $w_j$ converte o custo vetorial $C(\Gamma)$ em um valor escalar $V_{t,j} = w_j^\top V_t$.
• Busca Paralela: O algoritmo mantém múltiplas buscas paralelas, uma para cada vetor de peso amostrado. Em cada iteração, moléculas de fronteira são selecionadas com base na função de valor escalarizada para cada peso, expandidas usando preditores de passo único, e os custos são propagados para cima e para baixo através do grafo.

2. Otimização Bayesiana (BO) para Amostragem de Pesos

Para explorar eficientemente o espaço de compensações, o artigo propõe uma estratégia de amostragem de pesos informada por BO.

• Mecanismo: Após uma fase inicial de aquecimento (usando amostragem em grade ou Sobol), um modelo substituto é ajustado às melhorias observadas no hipervolume (HV) de pesos previamente avaliados.
• Aquisição: Novos vetores de peso são amostrados para maximizar o ganho de informação esperado (IG) usando a função de aquisição GIBBON, que promove diversidade no lote de pesos enquanto se concentra em regiões promissoras do espaço de compensações.

3. Garantias de Optimalidade e Poda

Uma contribuição teórica crítica é a derivação de um número de poda vetorial ($pn$) e um limite ($V_{bound}$) para o grafo AND-OR.

• Teorema: Os autores provam que, se a busca terminar apenas quando a "condição de dominância do limite" valer para todas as moléculas de fronteira (ou seja, uma rota descoberta domina o limite inferior de qualquer nó não expandido), o algoritmo recupera a verdadeira frente de Pareto.
• Poda: Esse limite permite a poda segura de moléculas intermediárias dominadas que não podem fazer parte de nenhuma rota Pareto-ótima, reduzindo significativamente o espaço de busca.

4. Objetivos Práticos

O framework integra um módulo de predição de condições de reação (QUARC) para aumentar as reações com temperaturas e reagentes previstos. Isso permite a definição de objetivos relevantes para a indústria:

• Sustentabilidade: Uma combinação de penalidades de temperatura de reação e economia atômica.
• Toxicidade: Agrega perigos de catalisadores/solventes e penaliza grupos funcionais tóxicos nos reagentes.
• Potencial de Escalonamento: Estima a dificuldade de separação com base nas diferenças de logP e incorpora preços de mercado de blocos de construção.

Contribuições Principais

1. Framework Algorítmico: Introdução do MORetro*, um algoritmo de busca multiobjetivo que retorna a frente de Pareto para objetivos arbitrários definidos pelo usuário, usando escalarização de pesos e amostragem informada por BO. Ele supera as bases de objetivo único tanto na qualidade da FP quanto na diversidade.
2. Garantias Teóricas: Derivação de limites de optimalidade provando que, para um modelo de passo único fixo, o algoritmo pode recuperar todas as rotas de síntese Pareto-ótimas. Isso inclui um mecanismo de poda inovador para grafos AND-OR que generaliza conceitos de admissibilidade de grafos OR padrão.
3. Relevância Industrial: Definição de objetivos de busca que capturam toxicidade, sustentabilidade e potencial de escalonamento, permitindo que o algoritmo priorize reações praticamente viáveis em detrimento de caminhos mais curtos puramente teóricos.

Resultados Experimentais

O método foi avaliado nos conjuntos de dados USPTO-190, Pistachio-reachable e ChEMBL usando três modelos de passo único diferentes (NeuralSym, PDVN e Graph2Edits).

• Qualidade da Frente de Pareto: O MORetro* (com amostragem BO) superou consistentemente as bases de Retro** de objetivo único e de escalarização de peso fixo. Ele alcançou maiores melhorias de Hipervolume (HV) (aproximadamente 5–8%) e indicadores $R^2$ mais baixos, indicando melhor convergência e cobertura do espaço de compensações.
• Taxa de Sucesso: O MORetro* manteve uma taxa de sucesso comparável ao Retro** de objetivo único (falhando em apenas 2–3 moléculas adicionais de 190), enquanto as bases de peso fixo falharam significativamente mais frequentemente (até 25% menos alvos resolvidos). Isso destaca a importância de equilibrar adaptativamente o objetivo de orientação.
• Diversidade: O algoritmo produziu rotas de síntese significativamente mais diversas (medidas por dissimilaridade par a par) em comparação com as bases, demonstrando que a otimização multiobjetivo explora naturalmente um espaço químico mais amplo.
• Eficiência de Poda: O uso do $V_{bound}$ para poda reduziu o espaço de busca em uma média de 54%, com reduções de até 90% para moléculas específicas, enquanto melhorava a qualidade da FP e reduzia o tempo de execução.
• Estratégia de Amostragem: A amostragem informada por BO superou consistentemente a amostragem Sobol e em grade em termos de HV, taxa de sucesso e diversidade, particularmente para modelos complexos como o PDVN.

Significado e Alegações

O artigo alega que o MORetro* preenche a lacuna entre a viabilidade teórica e a praticidade industrial no planejamento de síntese. Ao ir além do paradigma de "única rota viável", ele fornece uma base flexível para tomada de decisão que captura explicitamente compensações entre métricas econômicas, ambientais e de segurança.

Os autores enfatizam que sua abordagem:

• Alinha-se às Necessidades Industriais: Ao otimizar diretamente para sustentabilidade e escalonamento, as saídas são mais acionáveis para químicos do que soluções simples de caminho mais curto.
• Fornece Rigor Teórico: Diferentemente de abordagens estocásticas (por exemplo, MO-MCTS), o MORetro* oferece garantias de optimalidade de Pareto sob condições específicas, assegurando que nenhuma compensação superior seja perdida devido à amostragem aleatória.
• É Agnóstico ao Modelo: O método é independente do preditor de passo único subjacente, tornando-o aplicável a vários modelos baseados em templates e sem templates.

O artigo conclui que, embora as heurísticas atuais não sejam comprovadamente admissíveis (limitando a eficiência de poda na prática), o framework recupera com sucesso frentes de Pareto de alta qualidade e diversas, oferecendo um passo significativo para tornar as saídas do CASP mais relevantes para a síntese química do mundo real.