Elucidating the Size of Chemical Space with Assembly Theory

Este artigo utiliza a Teoria da Montagem, uma medida de complexidade molecular baseada em princípios fundamentais através de operações recursivas de junção de ligações, para reestimar o tamanho do espaço químico, revelando que sob restrições de semelhança com fármacos (massa < 500 Da), o número de moléculas possíveis atinge aproximadamente 10^117 em um Índice de Montagem de 25, crescendo de super-exponencialmente para duplamente exponencialmente com o aumento da complexidade.

O essencial

Imagine que você esteja tentando contar cada um de todos os castelos de Lego possíveis que você poderia construir. Você poderia pensar: "Bem, existem tantas maneiras de encaixar os blocos que o número é basicamente infinito". Cientistas tentaram adivinhar esse número antes, muitas vezes dizendo que existem cerca de 10 elevado à potência de 60 (um 1 seguido por 60 zeros) moléculas "semelhantes a fármacos". Mas esses palpites tinham uma falha: eles contavam todas as combinações possíveis de peças, mesmo aquelas que se desmanchariam imediatamente ou que não fariam sentido físico. Eles não perguntaram: "O quão difícil é realmente construir isso?"

Este artigo apresenta uma nova maneira de contar o universo de moléculas possíveis usando o conceito de Teoria da Montagem (Assembly Theory). Pense nisso não apenas como contar o castelo final, mas como contar o número mínimo de etapas necessárias para construir esse castelo do zero.

Aqui está a divisão de suas descobertas usando analogias simples:

1. A Métrica do "Manual de Instruções"

Imagine que você tem uma molécula específica. Para construí-la, você precisa de um conjunto de instruções.

• O Jeito Antigo: Apenas conte quantos átomos existem na molécula.
• O Jeito Novo (Teoria da Montagem): Conte o número mínimo de movimentos de "encaixe" necessários para construí-la do zero.
  • Se você tem uma longa cadeia de contas idênticas, você pode construir isso rapidamente duplicando um pequeno pedaço repetidamente. Este é um objeto de "baixa complexidade".
  • Se você tem uma molécula onde cada parte é única e você tem que anexar cada uma delas uma por uma, isso exige muito mais etapas. Esse é um objeto de "alta complexidade".

Os autores chamam esse número de etapas de Índice de Montagem (Assembly Index). É como uma "classificação de dificuldade" para construir uma molécula.

2. O "Universo Lego" vs. O "Mundo Real"

O artigo distingue dois espaços:

• O Universo de Montagem: Este é o espaço teórico de todas as formas que você poderia fazer com blocos de Lego, mesmo que a forma seja instável ou impossível de se manter unida na vida real.
• Espaço Químico: Este é um subconjunto do "Mundo Real". Ele inclui apenas moléculas que são fisicamente estáveis e que podem realmente existir (como as do banco de dados GDB-13, que contém quase 1 bilhão de moléculas reais semelhantes a fármacos).

Os pesquisadores usaram o banco de dados GDB-13 como um mapa para ver o quão grande é o espaço químico do "Mundo Real".

3. Quão Rápido o Espaço Cresce?

A grande questão era: À medida que a "classificação de dificuldade" (Índice de Montagem) aumenta, quão rápido o número de moléculas possíveis explode?

• A Descoberta: O número de moléculas possíveis cresce super-rápido.
  • Ele cresce mais rápido do que uma curva exponencial padrão (como os juros compostos).
  • Ele cresce a uma taxa entre "super-exponencial" e "duplo-exponencial".
  • A Analogia: Se você imaginar o número de moléculas como um balão, o crescimento padrão é como enchê-lo lentamente. Este artigo sugere que o balão está inflando tão rápido que é praticamente uma explosão.

4. O Efeito "Filtro"

O artigo também observou o que acontece quando você coloca "filtros" no conjunto de Lego.

• Sem Anéis: Se você permitir apenas cadeias lineares de átomos (sem loops), o espaço cresce de uma determinada maneira.
• Com Anéis: Se você permitir que os átomos formem loops (anéis), as moléculas tendem a ser mais "simétricas" (mais fáceis de construir copiando partes), o que altera a forma como o espaço cresce.
• Motivos Específicos: Se você exigir que uma molécula tenha um formato específico (como um anel quadrado), o espaço diminui, mas ainda é astronomicamente enorme.

5. A Contagem Final

Quando os pesquisadores aplicaram todas as regras padrão para moléculas "semelhantes a fármacos" (coisas como: deve ter um peso abaixo de certo limite, deve ser estável, deve ter tipos específicos de átomos) e olharam para moléculas com um Índice de Montagem de 25, eles calcularam o tamanho deste espaço.

O Resultado: Existem aproximadamente 10 elevado à potência de 117 moléculas possíveis.

Para colocar isso em perspectiva:

• A estimativa anterior era 10^60.
• A nova estimativa é 10^117.
• Esse é um número tão grande que faz o número de átomos em todo o universo observável parecer minúsculo.

Resumo

O artigo argumenta que o "universo de moléculas possíveis" não é apenas grande; ele é assustadoramente vasto e cresce a uma taxa assustadoramente rápida conforme a complexidade aumenta. Ao usar um método de "contagem de etapas" (Teoria da Montagem) em vez de apenas contar átomos, eles descobriram que, mesmo com regras estritas sobre o que torna um bom fármaco, o número de possibilidades é de cerca de 10^117. Isso sugere que encontrar uma molécula específica e útil neste oceano de possibilidades é uma tarefa incrivelmente difícil, simplesmente porque o oceano é muito maior do que pensávamos anteriormente.

Resumo técnico

Resumo Técnico: Elucidando o Tamanho do Espaço Químico com a Teoria da Montagem

Definição do Problema
O espaço químico é tradicionalmente estimado como vasto, com cálculos heurísticos sugerindo aproximadamente $10^{60}$ moléculas "semelhantes a fármacos" abaixo de 500 Da. No entanto, essas estimativas frequentemente falham em considerar a complexidade estrutural e sintética das moléculas enumeradas. As abordagens existentes para quantificar o espaço químico dependem da enumeração explícita (ex: bancos de dados GDB) ou da geração implícita (ex: algoritmos genéticos, aprendizado profundo), mas nenhuma delas captura plenamente as restrições fundamentais de construtibilidade ou a taxa com que o espaço cresce com o aumento da complexidade. Há uma necessidade de um arcabouço de primeiros princípios para particionar o espaço químico com base na complexidade causal necessária para construir moléculas, em vez de apenas suas propriedades estáticas.

Metodologia
Os autores empregam a Teoria da Montagem (Assembly Theory), um arcabouço que quantifica a complexidade causal de um objeto medindo o número mínimo de operações recursivas de junção de ligações necessárias para construí-lo. Este métrico é definido como o Índice de Montagem ($a$).

1. Arcabouço Teórico:

   • As moléculas são tratadas como grafos moleculares ($O$) construídos a partir de blocos de construção ($BB$).
   • O Estado de Montagem é definido pelo par $(a, S)$, onde $S$ é o tamanho (número de ligações) e $a$ é o Índice de Montagem.
   • Limites teóricos são estabelecidos para o Índice de Montagem: $\log_2(S) \leq a \leq S-1$. Limites aprimorados são derivados com base no número de blocos de construção ($|BB|$) e no tamanho $S$, denotados como $a_{max}(S, BB)$.
   • O artigo utiliza inclusões de conjuntos para limitar o número de moléculas até um determinado Índice de Montagem $n$: $|Set(a_{max} \leq n)| \leq |Set(a \leq n)| \leq |Set(l(S) \leq n)|$.

2. Dados e Computação:

   • Linha de Base: O banco de dados GDB-13 (contendo ~977 milhões de moléculas semelhantes a fármacos com até 13 átomos pesados: C, N, O, S, Cl) é usado como um proxy para o "Possível de Montagem" (moléculas fisicamente possíveis).
   • Proxy do Universo: Grafos Conectados Simples (SCG) são usados para representar o "Universo de Montagem" (todas as possibilidades combinatórias).
   • Algoritmo: Os autores computam o Índice de Montagem exato para todas as moléculas do banco de dados GDB-13 e para SCGs até 18 arestas usando algoritmos especializados (ex: a biblioteca nauty).
   • Restrições: A análise aplica várias restrições aos dados do GDB-13, incluindo:
     • Restrições de tipo de ligação (ex: apenas ligações simples, simples/duplas, combinações específicas de heteroátomos).
     • Restrições estruturais (ex: presença/ausência de anéis, tamanhos de anel específicos como o ciclobutano).

Principais Contribuições

• Particionamento por Complexidade: O artigo introduz um método para particionar o espaço químico em níveis definidos pelo Índice de Montagem, criando uma ordenação construtiva de moléculas baseada nos passos causais mínimos necessários para sua formação.
• Limites de Taxa de Crescimento: O estudo estabelece que o espaço químico cresce, no mínimo, de forma super-exponencial e, no máximo, de forma duplo-exponencial em relação ao Índice de Montagem.
• Quantificação de Restrições: Os autores demonstram como restrições físicas e estruturais específicas (tipos de átomos, tipos de ligações, presença de anéis) alteram a distribuição de moléculas no Espaço de Estado de Montagem e afetam a taxa de crescimento do espaço.
• Validação Numérica: O trabalho fornece a primeira confirmação numérica, utilizando o banco de dados GDB-13, de que o "Possível de Montagem" molecular cresce super-exponencialmente, apoiando conjecturas teóricas anteriores.

Resultados

• Dinâmica de Crescimento: A análise de Grafos Conectados Simples (SCG) mostra que o número acumulado de grafos cresce próximo ao limite superior duplo-exponencial. A maioria dos grafos neste universo é "duplicata-simétrica" (construída via duplicação recursiva).
• Espaço Químico (GDB-13):
  • A distribuição de moléculas do GDB-13 no Espaço de Estado de Montagem situa-se entre os limites teóricos inferior e superior.
  • O espaço cresce super-exponencialmente até o Índice de Montagem 4 (o limite de dados completos no banco de dados).
  • Efeitos das Restrições:
    • Moléculas com apenas ligações carbono-carbono simples exibem um crescimento próximo ao limite duplo-exponencial.
    • A introdução de múltiplos tipos de ligações ou heteroátomos desloca a taxa de crescimento para longe do limite duplo-exponencial, embora a maioria das moléculas permaneça duplicata-simétrica.
    • Restrições de Anéis: A presença de anéis aumenta a simetria de duplicata, fazendo com que a distribuição se incline para o limite simétrico. Inversamente, moléculas acíclicas (sem anéis) comportam-se mais como cadeias, inclinando-se para o limite de duplicata-assimétrica.
• Estimativa de Tamanho: Sob restrições comparáveis às estimativas padrão de fármacos (massa molecular < 500 Da), a análise projeta um espaço químico de aproximadamente $10^{117}$ moléculas no Índice de Montagem 25.

Significância
O artigo afirma fornecer uma estimativa de primeiros princípios do tamanho do espaço químico que considera a complexidade causal da construção, em vez de apenas a enumeração combinatória. Ao utilizar o Índice de Montagem, os autores oferecem uma métrica mensurável para navegar na vastidão do espaço químico, distinguindo regiões que são estruturalmente simples (alta simetria) daquelas que são complexas. Esta abordagem permite a quantificação de como as restrições estruturais (como as encontradas na descoberta de fármacos) reduzem o espaço acessível. Os autores postulam que este arcabouço oferece insights não apenas para o design de fármacos e materiais, mas também para a natureza de outros espaços combinatórios, como os espaços genéticos e proteicos, ao definir os limites fundamentais da construtibilidade.