Bir molekülün proton verme ya da alma eğilimini sayısal olarak ifade eden pKa değeri, kimya ve biyolojinin kesiştiği pek çok alanda temel bir parametre. İlaç adayı moleküllerin vücuttaki davranışından protein-ligand etkileşimlerine, çevre kimyasından malzeme tasarımına kadar uzanan geniş bir yelpazede bu değerin doğru bilinmesi büyük önem taşıyor.
Ancak pKa ölçümlerini deneysel olarak toplamak zaman alıcı ve pahalı bir süreç. Bu nedenle araştırmacılar, hesaplamalı yöntemlerle veri üretmeye yönelik çeşitli stratejiler geliştiriyor. Söz konusu çalışma, şimdiye kadar derlenen en kapsamlı deneysel pKa veritabanı olma özelliğini taşıyan iBonD üzerine inşa ediliyor.
Araştırma ekibi, etiketsiz moleküler veri setlerine büyük ölçekli makine öğrenmesi tahminleri uyguladı. Elde edilen sonuçlar ilginç bir istatistiksel örüntü ortaya koydu: Tahmin edilen pKa değerlerinin dağılımı normale yakın bir eğri çiziyor. Bu durum, uç değerlerdeki, yani çok güçlü asit ya da bazların bulunduğu bölgelerdeki örneklerin son derece seyrek kaldığı anlamına geliyor.
İşte tam da bu nokta, mevcut veri artırma yaklaşımlarının yetersiz kaldığı kritik bir açığı işaret ediyor. Ortalama değerlere yakın moleküller için tahminler oldukça güvenilir olsa da uç bölgeler modeller için hâlâ büyük bir zorluk kaynağı. Oysa reaktif ya da olağandışı kimyasal özelliklere sahip bu uç moleküller, pek çok endüstriyel ve biyomedikal uygulamada tam da ilgilenilen hedefler arasında yer alıyor.
Bu sorunu çözmek için ekip, iki farklı yaklaşımı bir araya getirdi: Kapsamlı biçimde optimize edilmiş makine öğrenmesi modelleri ve yüksek doğruluklu kuantum kimyası enerji hesaplamaları. Bu hibrit çerçeve, verilerin seyrek olduğu bölgelerde bile kaliteli tahminler üretebiliyor. Sistem, yalnızca mevcut veriyi çoğaltmakla kalmayıp moleküler özellik uzayının keşfedilmemiş köşelerine de ışık tutuyor.
Çalışma, hesaplamalı kimyada sıkça karşılaşılan veri dengesizliği sorununa yönelik pratik bir çözüm yolu sunuyor. Büyük ölçekli moleküler veri tabanlarının geliştirilmesi ve ilaç keşif süreçlerinin hızlandırılması açısından önemli bir katkı niteliği taşıyan bu yaklaşım, gelecekteki araştırmalara sağlam bir veri altyapısı kazandırma potansiyeli taşıyor.