_ Nouă modelare-statistică fluxul de lucru poate ajuta la avansarea descoperirii medicamentelor și a chimiei sintetice

Un nou flux de lucru automat dezvoltat de oamenii de știință de la Laboratorul Național Lawrence Berkeley (Berkeley Lab) are potențialul de a permite cercetătorilor să analizeze produsele experimentelor lor de reacție în timp real, o capacitate cheie necesară pentru viitoarele procese chimice automatizate.

Fluxul de lucru dezvoltat – care aplică analize statistice pentru procesarea datelor din spectroscopie de rezonanță magnetică nucleară (RMN) – ar putea ajuta la accelerarea descoperirii de noi medicamente farmaceutice și la accelerarea procesului dezvoltarea de noi reacții chimice.

Oamenii de știință de la Berkeley Lab care au dezvoltat tehnica revoluționară spun că fluxul de lucru poate identifica rapid structura moleculară a produselor formate prin reacții chimice care nu au fost niciodată studiate înainte. Ei au raportat recent descoperirile lor în Journal of Chemical Information and Modeling.

Pe lângă descoperirea medicamentelor și dezvoltarea reacțiilor chimice, fluxul de lucru ar putea ajuta și cercetătorii care dezvoltă noi catalizatori. Catalizatorii sunt substanțe care facilitează o reacție chimică în producerea de noi produse utile, cum ar fi combustibilii regenerabili sau materialele plastice biodegradabile.

„Ceea ce îi entuziasmează cel mai mult pe oameni la această tehnică este potențialul ei de analiză a reacțiilor în timp real, care este o parte integrantă a chimiei automate”, a declarat primul autor Maxwell C. Venetos, fost cercetător în cadrul diviziei de științe a materialelor din Berkeley Lab și fost cercetător absolvent în știința materialelor la UC Berkeley. Și-a terminat studiile doctorale anul trecut.

„Fluxul nostru de lucru chiar îți permite să începi să urmărești necunoscutul. Nu mai ești constrâns de lucruri la care știi deja răspunsul.”

Noul flux de lucru poate identifica, de asemenea, izomeri, care sunt molecule cu aceeași formulă chimică, dar aranjamente atomice diferite. Acest lucru ar putea accelera foarte mult procesele de chimie sintetică în cercetarea farmaceutică, de exemplu.

„Acest flux de lucru este primul de acest gen în care utilizatorii își pot genera propria bibliotecă și o pot adapta la calitatea acelei biblioteci fără a se baza pe un bază de date externă”, a spus Venetos.

În industria farmaceutică, dezvoltatorii de medicamente folosesc în prezent algoritmi de învățare automată pentru a verifica practic sute de compuși chimici pentru a identifica potențialii candidați de medicamente noi care au mai multe șanse să fie eficienți împotriva anumitor tipuri de cancer. si alte boli. Aceste metode de screening parcurg bibliotecile online sau bazele de date cu compuși cunoscuți (sau produse de reacție) și le potrivesc cu „ținte” probabile ale medicamentului din pereții celulari.

Dar dacă un cercetător de droguri experimentează cu molecule atât de noi încât structurile chimice nu există încă într-o bază de date, ele trebuie de obicei să petreacă zile în laborator pentru a sorta componența moleculară a amestecului. În primul rând, prin rularea produselor de reacție printr-o mașină de purificare și apoi folosind unul dintre cele mai utile instrumente de caracterizare din arsenalul unui chimist sintetic, un spectrometru RMN, pentru a identifica și măsura moleculele din amestec pe rând.

„Sunt foarte entuziasmat. despre această lucrare, deoarece aplică metode noi bazate pe date la problema veche a accelerării sintezei și caracterizării”, a declarat autorul principal Kristin Persson, om de știință senior al Facultății din cadrul diviziei de științe a materialelor din Berkeley Lab și profesor de știință și inginerie a materialelor UC Berkeley, care conduce, de asemenea, Proiectul Materiale.

Pe lângă faptul că este mult mai rapid decât metodele de purificare de pe bancă, noul flux de lucru are potențialul de a fi la fel de precis. Experimentele de simulare RMN efectuate folosind Centrul Național de Calcul Științific de Cercetare Energetică (NERSC) la Berkeley Lab cu sprijinul Materials Project au arătat că noul flux de lucru poate identifica corect moleculele compușilor din amestecurile de reacție care produc izomeri și, de asemenea, poate prezice concentrațiile relative ale acelor compuși.

Pentru a asigura o acuratețe statistică ridicată, echipa de cercetare a folosit un algoritm sofisticat cunoscut sub numele de Hamiltonian Monte Carlo Markov Chain (HMCMC) pentru a analiza spectrele RMN. De asemenea, au efectuat calcule teoretice avansate bazate pe o metodă numită teoria densității-funcționale.

Venetos a proiectat fluxul de lucru automatizat ca sursă deschisă, astfel încât utilizatorii să îl poată rula pe un computer desktop obișnuit. Acest confort va fi util pentru oricine din industrie sau din mediul academic.

Tehnica a apărut din conversațiile dintre grupul Persson și colaboratorii experimentali Masha Elkin și Connor Delaney, foști cercetători postdoctorali în grupul John Hartwig de la UC Berkeley. Elkin este acum profesor de chimie la Institutul de Tehnologie din Massachusetts, iar Delaney profesor de chimie la Universitatea din Texas din Dallas.

„În dezvoltarea reacțiilor chimice, petrecem în mod constant timp să ne dăm seama ce o reacție făcută și în ce raport”, a spus John Hartwig, om de știință senior al Facultății din cadrul diviziei de științe chimice a laboratorului Berkeley și profesor de chimie UC Berkeley.

„Anumite metode de spectrometrie RMN sunt precise, dar dacă unul descifrează conținutul unui amestec de reacție brut care conține o grămadă de produse potențiale necunoscute, acele metode sunt mult prea lente pentru a fi incluse ca parte a unui flux de lucru experimental sau automatizat de mare capacitate. Și aici ar putea ajuta această nouă capacitate de a prezice spectrul RMN", a spus el.

Acum că au demonstrat potențialul fluxului de lucru automatizat, Persson și echipa speră să îl încorporeze într-un laborator automat care analizează datele RMN a mii sau chiar milioane de noi reacții chimice simultan.

(Fluierul)