Dengan menggunakan pembelajaran mesin, para insinyur kimia MIT telah menciptakan model komputasi yang dapat memprediksi seberapa baik molekul tertentu akan larut dalam pelarut organik – sebuah langkah penting dalam sintesis hampir semua produk farmasi. Jenis prediksi ini dapat mempermudah pengembangan cara baru untuk memproduksi obat dan molekul bermanfaat lainnya.
Model baru ini, yang memperkirakan berapa banyak zat terlarut akan larut dalam pelarut tertentu, akan membantu ahli kimia untuk memilih pelarut yang tepat untuk setiap reaksi tertentu dalam sintesis mereka, kata para peneliti. Pelarut organik yang umum termasuk etanol dan aseton, dan ada ratusan pelarut lainnya yang juga dapat digunakan dalam reaksi kimia.
“Memprediksi kelarutan merupakan langkah yang membatasi laju perencanaan sintetik dan pembuatan bahan kimia, terutama obat-obatan, sehingga sudah ada minat lama untuk dapat membuat prediksi kelarutan yang lebih baik,” kata Lucas Attia, seorang mahasiswa pascasarjana MIT dan salah satu penulis utama studi baru ini.
Para peneliti telah membuat mereka model tersedia secara bebas, dan banyak perusahaan dan laboratorium sudah mulai menggunakannya. Model ini bisa sangat berguna untuk mengidentifikasi pelarut yang tidak terlalu berbahaya dibandingkan beberapa pelarut industri yang paling umum digunakan, kata para peneliti.
“Ada beberapa pelarut yang diketahui dapat melarutkan banyak hal. Mereka benar-benar berguna, namun juga merusak lingkungan dan manusia, sehingga banyak perusahaan mengharuskan Anda meminimalkan jumlah pelarut yang Anda gunakan,” kata Jackson Burns, seorang mahasiswa pascasarjana MIT yang juga penulis utama makalah ini. “Model kami sangat berguna dalam mengidentifikasi pelarut terbaik berikutnya, yang diharapkan tidak terlalu merusak lingkungan.”
William Green, Profesor Teknik Kimia Hoyt Hottel dan direktur MIT Energy Initiative, adalah penulis senior buku ini. belajaryang muncul hari ini di Komunikasi Alam. Patrick Doyle, Profesor Teknik Kimia Robert T. Haslam, juga penulis makalah ini.
Memecahkan kelarutan
Model baru ini muncul dari proyek yang dikerjakan bersama oleh Attia dan Burns dalam kursus MIT tentang penerapan pembelajaran mesin pada masalah teknik kimia. Secara tradisional, ahli kimia telah memperkirakan kelarutan dengan alat yang dikenal sebagai Model Solvasi Abraham, yang dapat digunakan untuk memperkirakan kelarutan keseluruhan suatu molekul dengan menjumlahkan kontribusi struktur kimia di dalam molekul. Meskipun prediksi ini berguna, keakuratannya terbatas.
Dalam beberapa tahun terakhir, para peneliti mulai menggunakan pembelajaran mesin untuk mencoba membuat prediksi kelarutan yang lebih akurat. Sebelum Burns dan Attia mulai mengerjakan model baru mereka, model canggih untuk memprediksi kelarutan adalah model yang dikembangkan di laboratorium Green pada tahun 2022.
Model tersebut, yang dikenal sebagai SolProp, bekerja dengan memprediksi sekumpulan sifat terkait dan menggabungkannya, menggunakan termodinamika, untuk akhirnya memprediksi kelarutan. Namun, model tersebut mengalami kesulitan dalam memprediksi kelarutan zat terlarut yang belum pernah dilihat sebelumnya.
“Untuk jalur penemuan obat dan bahan kimia di mana Anda mengembangkan molekul baru, Anda ingin dapat memprediksi terlebih dahulu seperti apa kelarutannya,” kata Attia.
Salah satu alasan mengapa model kelarutan yang ada tidak berfungsi dengan baik adalah karena tidak ada kumpulan data komprehensif untuk melatih model tersebut. Namun, pada tahun 2023, kumpulan data baru bernama BigSolDB dirilis, yang mengumpulkan data dari hampir 800 makalah yang diterbitkan, termasuk informasi tentang kelarutan sekitar 800 molekul terlarut dalam lebih dari 100 pelarut organik yang umum digunakan dalam kimia sintetik.
Attia dan Burns memutuskan untuk mencoba melatih dua jenis model berbeda pada data ini. Kedua model ini mewakili struktur kimia molekul menggunakan representasi numerik yang dikenal sebagai embeddings, yang menggabungkan informasi seperti jumlah atom dalam suatu molekul dan atom mana yang terikat pada atom lain. Model kemudian dapat menggunakan representasi ini untuk memprediksi berbagai sifat kimia.
Salah satu model yang digunakan dalam penelitian ini, yang dikenal sebagai FastProp dan dikembangkan oleh Burns dan lainnya di laboratorium Green, menggabungkan “penyematan statis”. Artinya, model sudah mengetahui penyematan setiap molekul sebelum mulai melakukan analisis apa pun.
Model lainnya, ChemProp, mempelajari penyisipan untuk setiap molekul selama pelatihan, pada saat yang sama ia belajar mengaitkan fitur penyisipan dengan sifat seperti kelarutan. Model ini, yang dikembangkan di beberapa laboratorium MIT, telah digunakan untuk tugas-tugas seperti penemuan antibiotik, desain nanopartikel lipid, dan memprediksi laju reaksi kimia.
Para peneliti melatih kedua jenis model tersebut pada lebih dari 40.000 titik data dari BigSolDB, termasuk informasi tentang pengaruh suhu, yang memainkan peran penting dalam kelarutan. Kemudian, mereka menguji model tersebut pada sekitar 1.000 zat terlarut yang tidak dimasukkan dalam data pelatihan. Mereka menemukan bahwa prediksi model tersebut dua hingga tiga kali lebih akurat dibandingkan SolProp, model terbaik sebelumnya, dan model baru ini sangat akurat dalam memprediksi variasi kelarutan akibat suhu.
“Mampu secara akurat mereproduksi variasi kecil dalam kelarutan karena suhu, bahkan ketika gangguan eksperimental sangat besar, merupakan tanda yang sangat positif bahwa jaringan telah mempelajari dengan benar fungsi prediksi kelarutan yang mendasarinya,” kata Burns.
Prediksi yang akurat
Para peneliti berharap bahwa model berdasarkan ChemProp, yang mampu mempelajari representasi baru seiring berjalannya waktu, akan mampu membuat prediksi yang lebih akurat. Namun, yang mengejutkan mereka, mereka menemukan bahwa kedua model tersebut pada dasarnya memiliki kinerja yang sama. Hal ini menunjukkan bahwa batasan utama kinerja mereka adalah kualitas data, dan bahwa model tersebut bekerja sebaik mungkin secara teoritis berdasarkan data yang mereka gunakan, kata para peneliti.
“ChemProp harus selalu mengungguli penyematan statis apa pun saat Anda memiliki data yang memadai,” kata Burns. “Kami terkejut melihat bahwa penyematan statis dan yang dipelajari secara statistik tidak dapat dibedakan dalam kinerja di semua subkumpulan yang berbeda, yang menunjukkan kepada kami bahwa keterbatasan data yang ada di ruang ini mendominasi kinerja model.”
Model tersebut bisa menjadi lebih akurat, kata para peneliti, jika data pelatihan dan pengujian yang lebih baik tersedia – idealnya, data diperoleh oleh satu orang atau sekelompok orang yang semuanya dilatih untuk melakukan eksperimen dengan cara yang sama.
“Salah satu keterbatasan besar dalam menggunakan kumpulan data yang dikompilasi ini adalah bahwa laboratorium yang berbeda menggunakan metode dan kondisi eksperimen yang berbeda ketika mereka melakukan uji kelarutan. Hal ini berkontribusi terhadap variabilitas antara kumpulan data yang berbeda,” kata Attia.
Karena model berdasarkan FastProp membuat prediksinya lebih cepat dan memiliki kode yang lebih mudah diadaptasi oleh pengguna lain, para peneliti memutuskan untuk membuat model tersebut, yang dikenal sebagai FastSolv, tersedia untuk umum. Beberapa perusahaan farmasi sudah mulai menggunakannya.
“Ada penerapannya di seluruh jalur penemuan obat,” kata Burns. “Kami juga senang melihat, di luar formulasi dan penemuan obat, di mana masyarakat dapat menggunakan model ini.”
Penelitian ini sebagian didanai oleh Departemen Energi AS.
