IA combinada con máquina de fabricación de moléculas podría hacer que la química compleja sea automatizada y accesible
Actualizado el 01 Nov 2022
Las máquinas de síntesis automatizadas para proteínas y ácidos nucleicos como el ADN han revolucionado la investigación y la fabricación de productos químicos en esos campos, pero muchos productos químicos de importancia para aplicaciones farmacéuticas, clínicas, de fabricación y de materiales son moléculas pequeñas con estructuras complejas. Un equipo de investigadores había sido pionero en el desarrollo de componentes básicos químicos simples para moléculas pequeñas. También habían desarrollado una máquina automatizada de fabricación de moléculas que une los componentes básicos para crear una amplia gama de estructuras posibles. Ahora, el equipo ha combinado inteligencia artificial (IA), química de "componentes básicos" y una máquina de fabricación de moléculas para encontrar las mejores condiciones generales de reacción para sintetizar sustancias químicas importantes para la investigación biomédica y de materiales, un hallazgo que podría acelerar la innovación y el descubrimiento de fármacos, así como hacer que la química compleja sea automatizada y accesible.
Con las condiciones optimizadas generadas por máquinas, investigadores de la Universidad de Illinois en Urbana-Champaign (Champaign, IL, EUA), el Instituto de Química Orgánica de la Academia Polaca de Ciencias (IOC PAS, Varsovia, Polonia) y la Universidad de Toronto (Toronto, ON, Canadá) duplicaron el rendimiento promedio de un tipo de reacción especial, difícil de optimizar, que une átomos de carbono en moléculas farmacéuticamente importantes. Los investigadores dicen que su sistema proporciona una plataforma que también podría usarse para encontrar condiciones generales para otras clases de reacciones y soluciones para problemas complejos similares. Un enfoque automatizado con condiciones generalizadas podría ayudar a estandarizar cómo los químicos fabrican algunos productos, abordando el problema de la reproducibilidad.
Los estudios publicados reflejan condiciones que son populares o convenientes, en lugar de las mejores, por lo que, según los investigadores, era necesario un enfoque sistemático que incluyera datos diversos y resultados negativos. Primero, el equipo ejecutó toda la matriz de posibles combinaciones utilizando la química de los componentes básicos a través de un algoritmo para agrupar reacciones similares. Luego, la IA envió instrucciones, ingresadas a una máquina en el Molecule Maker Lab ubicado en el Instituto Beckman de Ciencia y Tecnología Avanzadas, para producir reacciones representativas de cada grupo. La información de esas reacciones retroalimentó el modelo; la IA aprendió de los datos y ordenó más experimentos de la máquina de moléculas.
El proceso identificó condiciones que duplicaron el rendimiento promedio de una clase desafiante de reacciones, denominada acoplamiento Suzuki-Miyaura de heteroarilo, crucial para muchos compuestos biológicos y materiales relevantes. Según los investigadores, el proceso de aprendizaje automático también podría aplicarse a otras áreas amplias de la química para encontrar las mejores condiciones de reacción para otros tipos de moléculas pequeñas o incluso polímeros orgánicos más grandes.
"La generalidad es fundamental para la automatización y, por lo tanto, hacer que la innovación molecular sea accesible incluso para los no químicos", dijo el codirector del estudio, el Dr. Martin D. Burke. “El desafío es que el pajar de posibles condiciones de reacción es astronómico y la aguja está escondida en algún lugar dentro. Al aprovechar el poder de la inteligencia artificial y la química de los componentes básicos para crear un circuito de retroalimentación, pudimos reducir el pajar. Y encontramos la aguja.
Enlaces relacionados:
Universidad de Illinois en Urbana-Champaign
IOC PAS
Universidad de Toronto
