ReactionAtlas: Ab origine exploration of chemical reaction networks with machine learning

Resumo Técnico: ReactionAtlas

Definição do Problema
Mapear redes de reações químicas (CRNs) — os grafos de mínimos, estados de transição (TS) e reações elementares que os conectam — é fundamental para compreender fenômenos químicos complexos, desde a catálise até a origem da vida. No entanto, construir essas redes tem sido historicamente impraticável devido à explosão combinatória de intermediários possíveis e ao custo computacional de caracterizar dezenas de milhares de estados de transição. Métodos tradicionais, como a Teoria do Funcional da Densidade (DFT), são proibitivamente lentos para uma exploração aberta. Além disso, frameworks autônomos existentes frequentemente dependem de métodos de busca de TS de extremidade dupla (double-ended) que exigem pares reagente-produto pré-fornecidos, necessitando de regras heurísticas ou conhecimento prévio de mecanismos de reação. Essa abordagem de "colocar o carro na frente dos bois" limita a generalização e impede uma exploração verdadeiramente ab origine partindo apenas de moléculas sementes.

Metodologia
Os autores introduzem o ReactionAtlas, um framework para exploração de CRN ab origine que constrói redes de reação a partir de um punhado de moléculas sementes sem regras de reação manuais. O sistema opera através de dois loops acoplados que expandem um grafo de reação compartilhado:

1. Loop Generativo (Reações Intermoleculares):

   • Amostragem: Os reagentes são extraídos da rede atual com base nas concentrações de estado estacionário calculadas via um modelo cinético (resolvendo ODEs acopladas). O amostrador seleciona ou moléculas únicas ou pares (para reações bimoleculares).
   • Proposta de TS: Um modelo de difusão de denoising, MoreRed, propõe geometrias de estado de transição. Treinado no conjunto de dados $\omega$B97X-D3 Grambow, o MoreRed recebe uma geometria de reagente (parcialmente ruidosa) e realiza o denoising para propor um candidato a TS. Este é um processo estritamente de extremidade única (single-ended), não requerendo informação do produto.
   • Validação: Um crítico baseado em campo de força de aprendizado de máquina (MLFF), o MD-ET (um modelo baseado em transformer treinado em dados QCML), atua como um preditor zero-shot para forças e Hessianos. Ele filtra candidatos verificando:
     • Um Hessiano com exatamente um autovalor imaginário.
       ção.
     • Dois mínimos distintos nos endpoints da Coordenada de Reação Intrínseca (IRC).
     • Alturas de barreira de ida e volta fisicamente delimitadas.

2. Loop de PES (Intramolecular e Exploração Local):

   • Para novos mínimos descobertos acima de um limiar de concentração, uma trajetória curta de dinâmica molecular de Langevin (MD) amostra o espaço de configuração local.
   • Busca de Sela (Saddle Search): Frames da trajetória de MD servem como pontos de partida para a Otimização de Função Racional Particionada (P-RFO) para escalar até pontos de sela próximos.
   • Validação: Pontos de sela validados são verificados via IRC. Se os endpoints corresponderem ao mesmo composto, eles são adicionados como transições conformacionais; se corresponderem a compostos diferentes (ou fragmentos), são registrados como novas reações ("escaped reactions").

3. Guia Cinético:

   • A rede é periodicamente integrada como um sistema de ação de massa para calcular concentrações de estado estacionário. Essas concentrações pesam a amostragem no loop generativo, direcionando os recursos computacionais para regiões cineticamente plausíveis do espaço químico.

Principais Contribuições

• Busca de TS Generativa de Extremidade Única: O artigo introduz uma abordagem baseada em difusão para propor TSs a partir de um único reagente, eliminando a necessidade de enumeração baseada em regras ou pares reagente-produto pré-fornecidos.
• Framework de Crítico MLFF: Combina um proponente generativo com um crítico MLFF robusto (MD-ET) para validar TSs e refinar geometrias, reduzindo significativamente a dependência de cálculos caros de DFT durante a fase de exploração.
• Exploração Ab Origine: O framework explora com sucesso uma rede de reação começando apenas de oito moléculas sementes prebióticas ($CH_2O, H_2O, OH^-, H_3O^+, CO_2, H_2C_2O_2, HCO_3^-, H$) sem impor mecanismos químicos específicos.
• Resolução de Carga e Estereoquímica: Ao contrário de muitos datasets anteriores, o ReactionAtlas resolve tanto os estados de carga quanto a estereoquímica (R/S, E/Z) em toda a rede.

Resultos

• Escala: Partindo de oito sementes, o ReactionAtlas descobriu aproximadamente 12.000 compostos únicos (até 10 átomos pesados), 31.000 conformeros e ~47.000 reações elementares.
• Relevância: A rede recuperou >95% das espécies nomeadas na Wikipedia em C2 e >80% em C3 e C4, apesar da explosão do espaço combinatório em contagens de carbono mais altas. Também recuperou 91% das espécies de cadeia fechada C/H/O detectadas no espaço interestelar.
• Qualidade: 86% dos TSs de rearranjo propostos e 41% das reações mais difíceis foram validados como pontos de sela de primeira ordem de acordo com os critérios de MLFF. Após um único passo de refinamento DFT (PBE0), as taxas de validade subiram para 99% e 94%, respectivamente. Os TSs de MLFF coincidiram com as referências PBE0 dentro de 0.5 Å RMSD em 85% dos casos.
• Velocidade: O ReactionAtlas encontra um TS válido aproximadamente a cada 23 minutos (tempo médio de parede em nós de GPU L4). Isso é ordens de magnitude mais rápido que métodos de extremidade dupla (ex: NEB, DE-GSM), que exigem pares reagente-produto válidos e levam centenas de minutos por reação em nós de CPU.
• Descoberta do Ciclo Formose: O framework reconstruiu autonomamente o ciclo autocatalítico da formose, incluindo:
  • O passo de iniciação ($2 \times \text{Formaldeído} \to \text{Glicolaldeído}$) com uma barreira de ~33.4 kcal/mol.
  • O mecanismo de interconversão de Lobry de Bruyn–van Ekenstein (LdB–AvE) via intermediários enediol.
  • Dois ciclos autocatalíticos distintos: a rota canônica de Breslow e um atalho "comprimido" de C3-enediol anteriormente não relatado.
  • Identificação de um motivo autocatalítico do Tipo IV, uma estrutura topológica previamente prevista, mas nunca observada em sistemas químicos reais.

Significância
O artigo afirma que o ReactionAtlas fornece uma base viável, precisa e eficiente para explorar CRNs arbitrárias em toda a química de reação. Ao remover a necessidade de regras químicas específicas e permitir a descoberta aberta a partir de moléculas sementes, ele supera os limites de escalabilidade e generalização de métodos anteriores. O dataset resultante oferece escala e detalhamento sem precedentes para a química de carboidratos, resolvendo estereoquímica completa e estados de carga, e fornece novos insights mecanísticos sobre a reação formose, um modelo central para as origens químicas da vida. Os autores posicionam este trabalho como um passo em direção à resolução do desafio aberto de aplicar aprendizado de máquina à construção e exploração sistemática de redes de reações prebióticas.