Novi automatizovani tok posla koji su razvili naučnici u Nacionalnoj laboratoriji Lorens Berkli (Berkeley Lab) ima potencijal da omogući istraživačima da analiziraju proizvode svojih reakcionih eksperimenata u realnom vremenu, što je ključna sposobnost potrebna za buduće automatizovane hemijske procese.
Razvijeni tok rada—koji primenjuje statističku analizu na obradu podataka iz spektroskopije nuklearne magnetne rezonance (NMR)—mogao bi pomoći da se ubrza otkrivanje novih farmaceutskih lekova i ubrza razvoj novih hemijskih reakcija.
Naučnici iz Berkli laboratorije koji su razvili revolucionarnu tehniku kažu da tok posla može brzo da identifikuje molekularnu strukturu proizvoda formiranih hemijskim reakcijama koje nikada ranije nisu proučavane. Nedavno su objavili svoje nalaze u časopisu Journal of Chemical Information and Modeling .
Pored otkrivanja lekova i razvoja hemijskih reakcija, tok posla bi takođe mogao pomoći istraživačima koji razvijaju nove katalizatore. Katalizatori su supstance koje olakšavaju hemijsku reakciju u proizvodnji korisnih novih proizvoda kao što su obnovljiva goriva ili biorazgradiva plastika.
„Ono što najviše uzbuđuje ljude kod ove tehnike je njen potencijal za analizu reakcija u realnom vremenu, koja je sastavni deo automatizovane hemije“, rekao je prvi autor Maksvel C. Venetos, bivši istraživač u odeljenju za nauke o materijalima u laboratoriji Berkli i bivši diplomirani student. istraživač u oblasti nauke o materijalima na UC Berkeley. Prošle godine je završio doktorske studije.
„Naš tok posla vam zaista omogućava da počnete da tragate za nepoznatim. Više niste ograničeni stvarima na koje već znate odgovor.“
Novi tok posla takođe može da identifikuje izomere, koji su molekuli sa istom hemijskom formulom, ali različitim atomskim aranžmanima. Ovo bi moglo u velikoj meri da ubrza procese sintetičke hemije u farmaceutskim istraživanjima, na primer.
„Ovaj tok posla je prvi te vrste gde korisnici mogu da generišu sopstvenu biblioteku i da je podese na kvalitet te biblioteke bez oslanjanja na spoljnu bazu podataka“, rekao je Venetos.
U farmaceutskoj industriji, programeri lekova trenutno koriste algoritme mašinskog učenja da bi virtuelno pregledali stotine hemijskih jedinjenja kako bi identifikovali potencijalne nove kandidate za lekove za koje je veća verovatnoća da će biti efikasni protiv specifičnih karcinoma i drugih bolesti. Ove metode skrininga pročešljaju onlajn biblioteke ili baze podataka poznatih jedinjenja (ili reakcionih proizvoda) i uparuju ih sa verovatnim „metama“ lekova u ćelijskim zidovima.
Ali ako istraživač lekova eksperimentiše sa molekulima koji su toliko novi da njihove hemijske strukture još ne postoje u bazi podataka, obično moraju da provedu dane u laboratoriji kako bi sredili molekularni sastav smeše. Prvo, provođenjem reakcionih proizvoda kroz mašinu za prečišćavanje, a zatim korišćenjem jednog od najkorisnijih alata za karakterizaciju u arsenalu sintetičkih hemičara, NMR spektrometra, za identifikaciju i merenje molekula u smeši jedan po jedan.
„Ali sa našim novim tokom rada, mogli biste sav taj posao obaviti u roku od nekoliko sati“, rekao je Venetos. Ušteda vremena dolazi od sposobnosti toka posla da brzo i precizno analizira NMR spektar neprečišćenih reakcionih smeša koje sadrže više jedinjenja, što je zadatak koji je nemoguć korišćenjem konvencionalnih metoda NMR spektralne analize.
„Veoma sam uzbuđena zbog ovog rada jer primenjuje nove metode zasnovane na podacima na prastari problem ubrzanja sinteze i karakterizacije“, rekla je viši autor Kristin Person, viši naučnik fakulteta u Odseku za nauke o materijalima u laboratoriji Berkli i profesor UC Berkli. nauke o materijalima i inženjerstva koji takođe vodi Projekat materijala.
Pored toga što je mnogo brži od stonih metoda prečišćavanja, novi tok rada ima potencijal da bude jednako tačan. Eksperimenti simulacije NMR-a izvedeni korišćenjem Nacionalnog naučnog računarskog centra za energetska istraživanja (NERSC) u laboratoriji Berkli uz podršku Projekta materijala pokazali su da novi tok rada može ispravno identifikovati molekule jedinjenja u reakcionim smešama koje proizvode izomere i takođe predvideti relativne koncentracije tih jedinjenja.
Da bi se osigurala visoka statistička tačnost, istraživački tim je koristio sofisticirani algoritam poznat kao Hamiltonov Monte Karlo Markov lanac (HMCMC) za analizu NMR spektra. Takođe su izvršili napredne teorijske proračune zasnovane na metodi koja se zove teorija funkcionalne gustine.
Venetos je dizajnirao automatizovani radni tok kao otvoreni kod, tako da korisnici mogu da ga pokreću na običnom desktop računaru. Ta pogodnost će dobro doći svima iz industrije ili akademske zajednice.
Tehnika je proizašla iz razgovora između grupe Persson i eksperimentalnih saradnika Maše Elkin i Konora Dilejnija, bivših postdoktorskih istraživača u grupi Džona Hartviga na UC Berkliju. Elkin je sada profesor hemije na Tehnološkom institutu u Masačusetsu, a Dilejni profesor hemije na Teksaškom univerzitetu u Dalasu.
„U razvoju hemijskih reakcija, mi stalno trošimo vreme da shvatimo šta je reakcija izazvala i u kom odnosu“, rekao je Džon Hartvig, viši naučnik fakulteta u Odeljenju za hemijske nauke u laboratoriji Berkli i profesor hemije UC Berkli.
„Određene metode NMR spektrometrije su precizne, ali ako se dešifruje sadržaj sirove reakcione smeše koja sadrži gomilu nepoznatih potencijalnih proizvoda, te metode su suviše spore da bi se koristile kao deo eksperimentalnog ili automatizovanog toka rada velike propusnosti. I to je gde bi ova nova sposobnost predviđanja NMR spektra mogla pomoći“, rekao je on.
Sada kada su pokazali potencijal automatizovanog toka posla, Person i tim se nadaju da će ga ugraditi u automatizovanu laboratoriju koja analizira NMR podatke hiljada ili čak miliona novih hemijskih reakcija u isto vreme.
