Рецепт для клетки: почему химию нельзя запрограммировать наспех экспресс

Оригинал: "On the realizability of abstract reaction networks with real molecules and reactions"
arXiv:2608.04635v1 · 2026-08-05 · CC BY 4.0 · 1 мин
Превратить список реакций в реальные молекулы — задача, которая ставит в тупик даже компьютеры.

Поваренная книга без списка продуктов — вот с чем сталкивается учёный, когда видит схему химических реакций. Стрелочки и формулы на бумаге выглядят стройно, но стоит начать искать в лаборатории молекулы, которые поведут себя именно так, — и начинается настоящий квест.

Авторы работы взяли за основу жёсткое правило: в каждой реакции число атомов слева и справа должно совпадать (это называют сохранением массы). Казалось бы, простая арифметика. Но когда нужно подобрать конкретные вещества из огромного каталога известных молекул, а заодно уложиться в разрешённые типы химических превращений, задача превращается в головоломку невероятной сложности.

Формально доказано: эта задача принадлежит к классу NP-полных. Проще говоря, с ростом числа веществ время решения растёт лавинообразно — никакой суперкомпьютер не переберёт все варианты в лоб.

И всё же выход нашёлся. Исследователи применили алгоритм с возвратами и отсечениями — он похож на игру в шахматы вслепую: перебираешь ходы, но безжалостно отбрасываешь те, что ведут в тупик. Такой подход, вдохновлённый поиском одинаковых фрагментов в графах (задача поиска подграфа), позволяет на практике собирать работающие молекулярные схемы для сложных систем — от экологии до медицины.

Книга рецептов обретает плоть. И за этим стоит не магия, а точный расчёт, который учит нас: даже в хаосе химических возможностей есть своя строгая логика.

Многие биохимические сети в клетке до сих пор не удаётся воспроизвести «в пробирке» именно из-за того, что мы не можем подобрать правильные молекулы-участники — хотя все реакции на бумаге известны.

Учёные
Erwin SchrödingerHugh Everett IIIDavid DeutschJohn Stewart BellLouis de BroglieLov Grover
Понятия
химическая реакция случайная сеть графовая нейронная сеть вычислительный анализ реакций химическая модель рекуррентные нейронные сети активное обучение сложные системы квантовая модель обработка естественного языка предсказание молекулярных свойств нейронные сети графы реконструкция данных с помощью нейронных сетей ускорение молекулярной динамики