Yapay zeka hesaplamaları kullanılarak süperkritik işlemler altında farmasötik çözünürlük tahmininin gelişmiş simülasyonu ve sayısal değerlendirmesi

Geleceğin ilaçları için neden önemli

Birçok modern ilaç suda iyi çözünmez; bu da vücudun gerçekten aldığı ilaç miktarını sınırlayabilir. İlaç üreticileri, ilaçların çözünürlüğünü artırmak için sıkıştırılmış karbondioksit kullanan daha çevreci işlemlere yöneliyor. Bu çalışma, yapay zekanın böyle bir sistemde bir diyabet ilacının bilgisayar üzerinde nasıl davranacağını tahmin etmeye nasıl yardımcı olabileceğini gösteriyor; böylece laboratuvardaki maliyetli deneme-yanılma azaltılabilir.

Çözünmesi zor ilaçları yapmanın daha temiz bir yolu

Farmasötik şirketler, hem gaz hem de sıvı gibi davranan özel bir CO₂ hâli olan süperkritik karbondioksitle ilgileniyor. Bu formda, toksik organik çözücülere başvurmadan ilaçları daha iyi çözünen çok küçük partiküllere nazikçe dönüştürebilir. Temel zorluklardan biri, belirli bir ilacın farklı sıcaklık ve basınçlarda bu sıra dışı akışkanda ne kadar çözüneceğini önceden bilmektir. Geleneksel termodinamik formüller bunu yapabilir, ancak her yeni ilaç için ayrıntılı ölçümler gerektirir ve birçok bileşik arasında kolayca tekrar kullanılamazlar.

Bilgisayarların veriden öğrenmesine izin vermek

Araştırmacılar, su içinde kötü çözünen ve diyabet tedavisinde kullanılan glibenklamidi odak noktası olarak seçti. Bu ilacın süperkritik CO₂’de farklı sıcaklık ve basınç kombinasyonlarındaki çözünürlüğü ile bu koşullardaki CO₂ yoğunluğuna dair var olan deneysel ölçümleri topladılar. Bu veri kümesini kullanarak çalışma koşulları (sıcaklık ve basınç) ile tasarım açısından önemli iki çıktı — CO₂ yoğunluğu ve glibenklamid çözünürlüğü — arasındaki bağlantıyı öğrenmek için üç tür yapay sinir ağı modeli eğittiler.

Doğadan esinlenen bir araçla daha akıllı ayarlama

Bu sinir ağlarından en iyi performansı almak için ekip, yusufçukların avlanma ve göç sırasında sürü halinde hareket etmesinden esinlenen Dragonfly Algoritması adı verilen bir arama yöntemi kullandı. Modellerin her olası ayarını kaba kuvvetle denemek yerine bu algoritma, iç parametrelerin umut verici kombinasyonlarına doğru aramayı yönlendirir. Yeni seçenekleri keşfetmek ile iyi olanları iyileştirmek arasında denge kurar; bu, birçok ayarın karmaşık şekilde etkileştiği durumlarda özellikle faydalıdır.

Modellerin basınç ve ısı hakkında öğrendikleri

Eğitimden sonra üç modelin tamamı ölçülen çözünürlük ve yoğunluk değerlerini yakından eşleştirebildi; en doğru tahminleri nispeten basit bir ağ olan çok katmanlı algılayıcının (multilayer perceptron) verdiği görüldü. Modeller, basınç ve sıcaklığın artırılmasının genellikle glibenklamidin süperkritik CO₂’de ne kadar çözünebileceğini artırdığını doğruladı; öte yandan daha yüksek sıcaklık akışkanın yoğunluğunu düşürme eğilimindeydi. Tahminlerden düzgün yüzeyler ve kontur haritaları oluşturarak yazarlar, bu değişkenlerin nasıl etkileştiğini görselleştirebildi; böylece basınç veya sıcaklıktaki küçük değişikliklerin çözünürlük üzerinde güçlü etkileri olan bölgeler veya düşük basınçta eğilimin tersine döndüğü alanlar ortaya çıktı.

Tek bir ilacın ötesine ve daha çevreci tasarıma doğru

Yaklaşımlarının yalnızca glibenklamide bağlı olup olmadığını görmek için yazarlar, en iyi performans gösteren modeli farklı yapılara sahip beş başka ilacın çözünürlük verileri üzerinde test ettiler. Model yine süperkritik CO₂’de çözünürlüğü yüksek doğrulukla tahmin etti; bu, modelin tek bir vakayı ezberlemek yerine genel desenleri yakaladığını düşündürüyor. Bu, mevcut verileri ve sınırlı ek deneyleri kullanarak yeni ilaçlar için süperkritik süreçleri taramak ve tasarlamak üzere pratik bir araca dönüşebileceğini ima ediyor.

Hastalar ve gezegen için anlamı

Basitçe söylemek gerekirse, bu çalışma bilgisayarların yalnızca geçmiş ölçümlere dayanarak bir ilacın daha temiz bir CO₂ bazlı süreçte nasıl çözüneceğini öğrenip tahmin edebileceğini gösteriyor. Bu, bilim insanlarının aşırı deneme-yanılma veya israfa başvurmadan daha iyi çözünürlük sağlayan işletme koşullarını bulmasını kolaylaştırır. Çalışma bu değişikliklerin hastalar üzerindeki etkilerini doğrudan test etmese de, zorlu ilaçları daha kullanılabilir hâle getirmek ve bunu daha az zararlı çözücü kullanarak yapmak için zemin hazırlıyor; bu da hem ilaç geliştirme hem de çevresel sürdürülebilirlik açısından fayda sağlıyor.

Atıf: Albariqi, A.H., Alzhrani, R.M., Alghamdi, M.A. et al. Advanced simulation and numerical evaluation of pharmaceutical solubility estimation under supercritical processing using artificial intelligence computations. Sci Rep 16, 15099 (2026). https://doi.org/10.1038/s41598-026-45225-6

Anahtar kelimeler: ilaç çözünürlüğü, süperkritik CO2, makine öğrenimi, farmasötik işlem, glibenklamid