Lawrence Berkeley Ulusal Laboratuvarı’ndaki (Berkeley Lab) bilim adamları tarafından geliştirilen yeni bir otomatik iş akışı, araştırmacıların reaksiyon deneylerinin ürünlerini gerçek zamanlı olarak analiz etmelerine olanak sağlama potansiyeline sahip. Bu özellik kimyasal süreçleri otomatikleştirme konusunda önemli bir yetenek olarak görülüyor.
Gliştirilen bu yeni iş akışı yöntemi “Nükleer manyetik rezonans (NMR)” spektroskopisinden elde edilen verileri işlemek için istatistiksel analiz yöntemlerini kullanarak kimyasal reaksiyon süreçlerini kolaylaştırarak yeni farmasötik ilaçların keşfini hızlandırmaya yardımcı olabilir.
Journal of Chemical Information and Modeling’de yayınlanan çalışmada bu çığır açan tekniği geliştiren Berkeley Laboratuvarı bilim insanları iş akışının daha önce hiç çalışılmamış olan kimyasal reaksiyonlarla oluşan ürünlerin moleküler yapısını hızlı bir şekilde tanımlayabildiğini söylüyor.
İlaç keşfi ve kimyasal reaksiyon geliştirmenin yanı sıra iş akışı yeni katalizörler geliştiren araştırmacılara da yardımcı olabilir. Katalizörler, yenilenebilir yakıtlar veya biyolojik olarak parçalanabilen plastikler gibi faydalı yeni ürünlerin üretiminde kimyasal reaksiyonu kolaylaştıran maddelerdir.
Berkeley Laboratuvarı Malzeme Bilimleri Bölümü’nde eski bir araştırmacı ve eski yüksek lisans öğrencisi olan başyazar Maxwell C. Venetos, “Bu teknikte insanları en çok heyecanlandıran şey otomatik kimyanın ayrılmaz bir parçası olan gerçek zamanlı reaksiyon analizi potansiyelidir” dedi.
Yeni iş akışı aynı kimyasal formüle sahip ancak farklı atomik düzenlemelere sahip moleküller olan izomerleri de tanımlayabiliyor. Bu, örneğin farmasötik araştırmalardaki sentetik kimya süreçlerini büyük ölçüde hızlandırabilir. Venetos, “Bu iş akışı kullanıcıların kendi kütüphanelerini oluşturabildiği ve harici bir veritabanına ihtiyaç duymadan bu kütüphane kalitesine göre ayarlayabildiği türünün ilk örneği” dedi.
Yeni Uygulamaların Geliştirilmesi
İlaç endüstrisinde ilaç geliştiricileri şu anda belirli kanserlere ve diğer hastalıklara karşı etkili olma olasılığı daha yüksek olan potansiyel yeni ilaç adaylarını belirlemek amacıyla yüzlerce kimyasal bileşiği sanal olarak taramak için makine öğrenimi algoritmalarını kullanıyor. Bu tarama yöntemleri, çevrimiçi kütüphaneleri veya bilinen bileşiklerin (veya reaksiyon ürünlerinin) veritabanlarını tarar ve bunları hücre duvarlarındaki olası ilaç “hedefleri” ile eşleştirir.
Ancak bir ilaç araştırmacısı, kimyasal yapıları henüz bir veri tabanında bulunmayan çok yeni moleküller üzerinde deneyler yapıyorsa karışımın moleküler yapısını çözmek için genellikle laboratuvarda günler harcamak zorundadır. Süreç genellikle şöyle işler; İlk önce reaksiyon ürünlerini bir saflaştırma sisteminden geçirerek ve daha sonra karışımdaki molekülleri birer birer tanımlamak ve ölçmek için sentetik kimyagerlerin envanterindeki en kullanışlı karakterizasyon araçlarından biri olan NMR spektrometresini kullanarak çalışmalarını gerçekleştirecektir.
Venetos, “Ancak yeni iş akışımız sayesinde tüm bu işleri birkaç saat içinde yapabilirsiniz” diye belirtiyor. Zaman tasarrufu, iş akışının, birden fazla bileşik içeren saflaştırılmamış reaksiyon karışımlarının NMR spektrumlarını hızlı ve doğru bir şekilde analiz etme yeteneğinden kaynaklanmaktadır. Bu, geleneksel NMR spektral analiz yöntemleriyle imkansız olan bir çalışmadır.
Berkeley Laboratuvarı’nın Malzeme Bilimleri Bölümü’nde öğretim üyesi ve aynı zamanda Malzeme Projesine de liderlik eden malzeme bilimi ve mühendisliği bölümü başkanı kıdemli bilim insanı ve UC Berkeley profesörü kıdemli yazar Kristin Persson, “Bu çalışma beni çok heyecanlandırıyor, zira bu çalışma, sentez ve karakterizasyonun hızlandırılması gibi asırlık bir soruna yeni veriye dayalı yöntemler uyguluyor” dedi.
Deneysel Sonuçlar;
Yeni iş akışı, tezgah üstü yöntemlerden çok daha hızlı olmasının yanı sıra aynı derecede doğru olma potansiyeline de sahip. Berkeley Laboratuvarı’ndaki Ulusal Enerji Araştırma Bilimsel Bilgi İşlem Merkezi (NERSC) kullanılarak Malzeme Projesi desteğiyle gerçekleştirilen NMR simülasyon deneyleri, yeni iş akışının izomerler üreten reaksiyon karışımlarındaki bileşik molekülleri doğru şekilde tanımlayabildiğini ve ayrıca bu bileşiklerin bağıl konsantrasyonlarını tahmin edebildiğini gösterdi.
Yüksek istatistiksel doğruluğu sağlamak amacıyla araştırma ekibi, NMR spektrumlarını analiz etmek için Hamiltonian Monte Carlo Markov Zinciri (HMCMC) olarak bilinen karmaşık bir algoritma kullandı. Ayrıca yoğunluk-fonksiyonel teori adı verilen bir yönteme dayalı ileri teorik hesaplamalar da yaptılar.
Venetos, otomatik iş akışını, kullanıcıların sıradan bir masaüstü bilgisayarda çalıştırabilmesi için açık kaynak olarak tasarladı. Bu kolaylık endüstriden veya akademiden herkesin işine yarayacaktır.
Teknik, Persson grubu ile UC Berkeley’deki John Hartwig grubundaki eski doktora sonrası araştırmacılar olan deneysel işbirlikçiler Masha Elkin ve Connor Delaney arasındaki konuşmalardan ortaya çıktı. Elkin şu anda Massachusetts Teknoloji Enstitüsü’nde kimya profesörüdür ve Delaney, Dallas’taki Texas Üniversitesi’nde kimya profesörüdür.
Berkeley Laboratuvarı’nın Kimyasal Bilimler Bölümü’nde kıdemli bilim insanı ve UC Berkeley kimya profesörü John Hartwig, “Kimya reaksiyonu geliştirmede, bir reaksiyonun ne olduğunu ve hangi oranda oluştuğunu anlamak için sürekli zaman harcıyoruz” dedi. “Bazı NMR spektrometri yöntemleri kesindir, ancak bir grup bilinmeyen potansiyel ürün içeren ham bir reaksiyon karışımının içeriği çözülüyorsa, bu yöntemler yüksek verimli deneysel veya otomatik iş akışının bir parçası olarak kullanılamayacak kadar yavaştır. İşte NMR spektrumunu tahmin etmeye yönelik bu yeni yeteneğin yardımcı olabileceği yer burasıdır” dedi.
Artık otomatik iş akışının potansiyelini gösterdikleri için Persson ve ekibi, bunu aynı anda binlerce, hatta milyonlarca yeni kimyasal reaksiyonun NMR verilerini analiz eden otomatik bir laboratuvara dahil etmeyi umuyor.
– Bu basın bülteni orijinal olarak Berkley Lab web sitesinde yayınlanmıştır ve stil ve netlik açısından düzenlenmiştir
Haber Çeviri Kaynağı: https://newscenter.lbl.gov/2024/04/08/how-scientists-are-accelerating-chemistry-discoveries-with-automation/