Fizikokimyasal Özellik Tahmini için NM-Polinom İndekslerinin Matematiksel Modellemesi ve Hesaplanması

Geleceğin ilaçları için neden önemli

Yeni bir ilaç tasarlamak, gerçek uçak tasarlamaya benzer: onu gerçekte inşa etmeden çok önce nasıl davranacağını bilmek istersiniz. İlaçlar için bu davranış, ne kadar kolay buharlaştıkları, su veya yağ ile nasıl karıştıkları ve vücutta nasıl hareket ettikleri gibi özellikleri içerir. Bu makale, özenle kurgulanmış matematiğin yalnızca bir ilacın yapısından yola çıkarak bu fiziksel ve kimyasal özelliklerin birçoğunu nasıl tahmin edebileceğini gösteriyor; bu da ilaç keşfinde zaman, maliyet ve deneme‑yanılma ihtiyacını azaltabilir.

Moleküllerden ağlara

Yazarlar ilaç moleküllerini yalnızca atomların bir koleksiyonu olarak değil, ağlar olarak ele alıyor. Bu yaklaşıma göre her atom bir nokta, her kimyasal bağ ise iki noktayı birleştiren bir çizgidir. Bu tür bir açıklama, sosyal medya bağlantılarından enerji şebekelerine kadar her türlü ağı inceleyen matematiğin bir dalı olan grafik teorisinden gelir. Kimyagerler, belirli sayısal özetlerin—topolojik indeksler olarak adlandırılan—moleküllerin gerçek dünyadaki davranışlarını, örneğin ne kadar kolay kaynadıklarını veya yoğunluklarını, takip ettiğini gördükleri için bu “moleküler grafik”leri onlarca yıldır kullanıyorlar.

Görünüme komşuluk ayrıntısı eklemek

Geleneksel indeksler genellikle yalnızca her atomun kaç bağa sahip olduğuna dikkat eder. Bu çalışmanın ekibi bir adım daha ileri gidiyor. Sözde komşuluk M‑polinom (NM‑polinom) indekslerini kullanıyorlar; bunlar sadece bir atomun kendi bağlantılarını saymakla kalmaz, aynı zamanda komşularının ne kadar bağlı olduğunu da özetler. Bu daha zengin betimleme, bir molekülün ne kadar dallandığı, halkalarının nasıl kaynaştığı ve oksijen ya da azot atomlarının yapıda nerede yer aldığı gibi incelikleri yakalar. Bu özellikler ise moleküllerin birbirine ne kadar güçlü yapıştığını, ne kadar rijit olduklarını ve elektronlarının elektrik alanlara nasıl tepki verdiğini etkiler—tümü önemli fizikokimyasal özelliklerin bileşenleridir.

Gerçek kanser ilaçları üzerinde fikri test etmek

Matematiği gerçeklikle bağlamak için yazarlar önce iki iyi bilinen antikanser ajanı, Mitoksantron ve Doksorubisin için NM‑polinom indekslerini hesaplıyor. Her ikisi de kemoterapide yaygın olarak kullanılan karmaşık, çok halkalı moleküllerdir. Ayrıntılı kimyasal çizimleri moleküler grafiklere ve ardından NM‑polinom indekslerine çevirerek yöntemle bu moleküllerin farklı “boyutlar”ındaki yapısal değişikliklerin sistematik olarak nasıl izlenebildiğini gösteriyorlar. Ardından bu süreci bir Python programıyla otomatikleştiriyorlar; program bir molekülün bağlantısını (bir bitişiklik matrisi biçiminde) alıp anında tüm indeks setini döndürerek insan hatasını en aza indiriyor ve elle yapılması zahmetli olan hesaplamaları hızlandırıyor.

Moleküler parmak izlerini okumayı makinelere öğretmek

Sonraki adımda araştırmacılar bu iki ilacın ötesine, asetaminofen, ibuprofen ve birkaç modern hedefe yönelik terapi gibi yaygın isimleri de içeren 45 poli­siklik ilaçlık daha geniş bir topluluğa geçiyor. Her ilaç için dokuz NM‑polinom indeksi ve dokuz deneysel olarak ölçülmüş özellik derliyorlar: karmaşıklık, kaynama noktası, buharlaşma entalpisi, parlama noktası, molar kırılma, polarizabilite, yüzey gerilimi, molar hacim ve kırılma indisi. Ardından indeks kombinasyonlarının her özelliğe nasıl eşlendiğini öğrenmek için Lineer, Ridge, Lasso ve Elastic Net gibi çeşitli makine‑öğrenimi tarzı regresyon modelleri eğitiyorlar. Tüm süreç boyunca dikkatli istatistiksel önlemler uygulanıyor: gereksiz girdiler çıkarılıyor, değişkenler standartlaştırılıyor, verinin %80’inde tekrarlı çapraz doğrulama yapılıyor ve nihai modeller el sürülmemiş %20 üzerinde test ediliyor.

Sayıların ortaya koydukları

Modeller, NM‑polinom indekslerinin özellikle moleküllerin paketlenmesi ve etkileşimine bağlı özellikler için güçlü olduğunu gösteriyor. Kaynama noktası, buharlaşma entalpisi, parlama noktası, molar kırılma, polarizabilite ve molar hacim için en iyi modeller çok yüksek korelasyon puanlarına ulaşıyor; bu da tahmin edilen değerlerin deneysel değerleri yakın takip ettiği anlamına geliyor. Ridge ve Elastic Net gibi düzenlileştirilmiş yöntemler genel olarak en iyi performansı sergiliyor; bu da modellere hafif kısıtlamalar getirilmesinin indekslerin en bilgilendirici yönlerine odaklanmalarına yardımcı olduğunu düşündürüyor. Bir korelasyon ısı haritası, özellikle genel bağlantı ve “komşuluk zenginliği” ile ilgili birkaç indeksin bu 45 ilaçlık panelde bu özelliklerle güçlü ve tutarlı bir şekilde hizalandığını doğruluyor.

Sınırlamalar ve geliştirme alanları

Her özellik işbirliği yapmıyor. Işığın bir malzemeye girerken nasıl kırıldığını yakalayan kırılma indisi inatçı çıkıyor: modeller basit ortalamalardan daha iyi olmada zorlanıyor ve NM‑polinom indeksleriyle sadece zayıf korelasyonlar gösteriyor. Yüzey gerilimi orta düzeyde yakalanıyor, ancak diğer özellikler kadar güçlü değil. Bu boşluklar bazı davranışların iki boyutlu bağlantıların ötesinde, örneğin üç boyutlu şekil veya ince elektronik etkiler gibi özelliklere bağlı olabileceğini işaret ediyor. Yazarlar, gelecekteki çalışmaların NM‑polinom indekslerini kuantum‑kimyasal veya 3B tanımlayıcılarla harmanlayarak bu uçurumu kapatabileceğini öneriyor.

İlaç tasarımı için ne anlama geliyor

Daha sade bir ifadeyle, çalışma sofistike ama iyi yapılandırılmış matematiğin bir molekülün statik bir taslağını laboratuvardaki davranışını şaşırtıcı derecede doğru tahmin eden bir araca dönüştürebileceğini gösteriyor. Kaynama zorluğu, hacimsellik veya elektronlarının ne kadar kolay kaydığı gibi birçok önemli özellik için NM‑polinom yaklaşımı, modern regresyon teknikleriyle birleştiğinde, daha basit indeksler veya daha küçük veri setleri kullanan önceki yöntemlerle eşleşiyor veya onları geride bırakıyor. Henüz deneylerin tam yerine geçmese de, ilaç tasarımcılarına daha hızlı bir tarama aracı sunuyor: bu grafik tabanlı parmak izleri hesaplanarak önemli fizikokimyasal özellikler erken aşamada tahmin edilebilir, laboratuvar çalışmaları en umut verici adaylara odaklanabilir ve kimyasal uzay daha verimli keşfedilebilir.

Atıf: Tawhari, Q.M., Naeem, M., Koam, A.N.A. et al. Mathematical Modeling and Computation of NM-Polynomial Indices for Physicochemical Properties Prediction. Sci Rep 16, 8136 (2026). https://doi.org/10.1038/s41598-026-39562-9

Anahtar kelimeler: kimyasal grafik teorisi, ilaç özellik tahmini, moleküler topoloji, kimyada makine öğrenimi, fizikokimyasal tanımlayıcılar