Hesaplamalı kimyâ ve in siliko analizler; ilaç keşfi, malzeme bilimi ve nanoteknoloji gibi birçok alanda devrim yaratarak modern bilimsel gelişmelerde temel güçler olarak ortaya çıkmaktadır. Bu hesaplamalı yaklaşımlar, moleküler davranışları, etkileşimleri ve özellikleri olağanüstü bir hassâsiyetle tahmîn etmek için matematiksel modeller, kuantum mekaniği, istatistiksel fizik ve yapay zekâyı (AI) kullanır. Dünya genelinde veri odaklı bilimsel keşfe doğru kayma, hesaplamalı kimyâyı araştırma alanlarının ön saflarına yerleştirmiştir. Türkiye'nin bilimsel ve teknolojik ilerleme vizyonu, özellikle farmasötikler ve gelişmiş malzeme geliştirme gibi alanlarda, hesaplamalı tekniklerin deneysel araştırmalara âit mâliyetleri ve deneysel harcanan zamânı önemli ölçüde azalttığı bu gelişmelerle uyumludur (Cournia ve diğerleri, 2017, DOI: 10.1002/jcc.24764). Hesaplamalı kimyânın temeli, araştırmacıların kimyâsal ve biyolojik sistemleri atomik ve moleküler düzeylerde simüle etmelerine olanak tanıyan çeşitli modelleme tekniklerine dayanmaktadır. Yoğunluk Fonksiyonel Teorisi (DFT) ve Hartree-Fock yaklaşımları da dahil olmak üzere kuantum kimyâsal yöntemler, moleküler yapıların, elektronik özelliklerin, spektral özelliklerin ve tepkime mekanizmalarının yüksek doğrulukla hesaplanmasını olanak sağlamaktadır (Parr & Yang, 1989). Ek olarak, moleküler dinamik (MD) simülasyonları, zaman içinde moleküler hareketlerin dinamik bir temsîlini sunarak araştırmacıların biyomoleküllerin, nanopartiküllerin ve katalizörlerin çeşitli ortamlardaki kararlılığını, konformasyonel değişimlerini ve etkileşimlerini incelemelerine olanak tanır (Hollingsworth & Dror, 2018). Yâni hesaplamalı kimya yöntemlerinin kullanılmasıyla birlikte deney olmadan sentezlenmiş ve sentezlenecek olan tüm moleküllerin özelliklerini tahmîn etmemize olanak sağlar. Potansiyeli olan molekül ya da molekül gruplarının belirlenmesi araştırmacıyı büyük bir deney yükünden, dolayısıyla deneysel mâliyetten ve harcanacak olan zamandan kurtarmış olur. Hesaplamalı kimya ve in siliko araştırmalarının en etkili uygulamalarından biri ilaç keşfi ve farmasötik geliştirmedir. Bununla birlikte katalizör geliştirmelerinde, ilaç taşıyıcı sistemlerin incelenmesinde ve nanomateryallerin uygulama alanlarının araştırılmasında da etkilidir. Geleneksel ilaç keşif süreçleri, hem zaman alıcı hem de pahalı olan kapsamlı laboratuvar testleri ve klinik denemeleri içerir. Buna karşılık, sanal tarama ve moleküler doking (yerleştirme) gibi in siliko yöntemleri, ilaç-hedef etkileşimlerini sanal bir ortamda simüle ederek ilaç adayı tanımlamasını hızlandırır. Yapay zekâ destekli sanal tarama, belirli biyolojik hedeflere güçlü bağlanma afinitesi gösteren potansiyel öncü bileşikleri belirleyerek büyük kimyâsal kütüphanelerin hızlı bir şekilde değerlendirilmesini sağlar. Yapıya dayalı ilaç tasarımı (SBDD), ilaç etkinliğini ve seçiciliğini artırmak için moleküler yapıları optimize ederek bu etkileşimleri daha da iyileştirir (Kitchen ve ark., 2004). Ek olarak, hesaplamalı modeller kullanılarak yapılan farmakokinetik ve toksikoloji tahminleri emilim, dağıtım, metabolizma, atılım ve toksisite (ADME/T) özelliklerinin değerlendirilmesine yardımcı olarak, geç evre ilaç başarısızlıklarının risklerini en aza indirir (Schwab ve ark., 2019). Bununla birlikte moleküler dinamik hesaplamalar yapılarak nano-sâniye hattâ femto-sâniyeler düzeyinde molekül ile hedef protein arasındaki etkileşimin stabilitesi tâkip edilebilmekte ve bağlanma enerjileri de hesaplanabilmektedir. Canlı hayâtını olumsuz yönde etkileyebilen ilaç birikimi gibi etkilerin gözlendiği ve zehirlenmelere yol açabilecek molekül ya da molekül grupları da yine in siliko araştırmalar vâsıtasıyla hesaplanabilmektedir. Bu gelişmeler, in siliko araştırmayı farmasötik endüstri için vazgeçilmez bir araç hâline getirerek, bireysel genetik profillere göre uyarlanmış hassas tıbbın geliştirilmesini mümkün kılmıştır (Mangul ve ark., 2019). İlaçların ötesinde, hesaplamalı kimya, malzeme bilimi ve nanoteknolojiyi önemli ölçüde etkileyerek, özel özelliklere sâhip yeni malzemelerin geliştirilmesini kolaylaştırmıştır. Tahmînî hesaplamalı modeller kullanılarak nanomalzemelerin rasyonel tasarımı, enerji depolama, kataliz ve biyomedikal gibi alanlarda çığır açıcı gelişmelere yol açmıştır ve gelecekte de açacağı net bir şekilde bellidir. Kuantum mekanik simülasyonlar, nanomalzemelerin elektronik özelliklerine ilişkin öngörüler sağlayarak, güneş hücrelerinden OLED materyallerinin tasarlanmasına, etkin katalizörün belirlenmesinden hedefli ilaç dağıtımına kadar uzanan uygulamalar için istenen özelliklere sâhip nanopartiküllerin sentezine rehberlik etmektedir (Schlögl, 2015). Özellikle katalizde, hesaplamalı teknikler katalitik yüzeylerdeki tepkime mekanizmalarını simüle ederek araştırmacıların tepkime yollarını optimize etmelerine, seçiciliği artırmalarına ve endüstriyel uygulamalar için daha verimli katalizörler geliştirmelerine olanak tanır (Vojvodic & Nørskov, 2015). İlâveten antikorozif malzemelerin belirlenmesinde ve tasarlanmasında da hesaplamalı kimya teknikleri önemli bir rol oynamaktadır. Korozyona uğramasını istemediğimiz metal yüzeyi tasarlanarak hangi moleküllerin en etkili olduğu, söz konusu moleküllerin bu yüzeyi nasıl koruyabileceği rahatlıkla öğrenilebilmektedir. Yüksek gözenekli malzemeler sınıfı olan metal-organik çerçeveler (MOF'ler), gaz depolama kapasitelerini, adsorpsiyon özelliklerini ve ilaç dağıtımındaki potansiyel uygulamalarını öngören hesaplamalı çalışmalardan da faydalanmıştır (Zhou ve diğerleri, 2012, DOI: 10.1038/nmat3411). Geleceğin enerjisi olan hidrojen enerjisi için potansiyeli yüksek taşıyıcı materyallerin belirlenmesi yine hesaplamalı kimya teknikleriyle mümkündür. Türkiye'nin bilimsel ve teknolojik yeniliğe olan bağlılığı, hesaplamalı kimyâyı ve siliko araştırmaları ulusal öncelikleri arasına yerleştirmiştir. Yapay zekâ, makine öğrenimi ve yüksek performanslı bilgi işlem (HPC) altyapısına yapılan yatırımlar, akademi ve endüstride hesaplamalı metodolojilerin benimsenmesini hızlandırmıştır. Üniversiteler, devlet kurumları ve özel şirketler arasındaki araştırma iş birlikleri, hesaplamalı ilaç tasarımı, malzeme bilimi ve nanoteknolojideki ilerlemeleri teşvîk etmektedir. Özel hesaplamalı araştırma merkezlerinin kurulması, Türkiye'nin küresel bilimsel yenilikteki konumunu daha da güçlendirmektedir. Bu bağlamda Sanayi ve Teknoloji Bakanlığımızın kuruluşlarından birisi olan TÜBİTAK’ın alt biriminde hesaplamalı analizleri gerçekleştirebileceğimiz bulut sistemi bulunmaktadır. Hesaplamalı kimya ve in siliko araştırmalarındaki eğitim programlarının genişletilmesi, gelecek nesil bilim insanları ve araştırmacıların yetiştirilmesi ve bu alanın sürekli büyümesinin sağlanması için de önemlidir (Bulus ve diğerleri, 2022). Hesaplamalı kimya, birçok ülkede Kimya Anabilim Dalı içerisindeki bir bilim dalı olarak kabûl görmüş durumdayken, bu durum ülkemizde maalesef böyle değildir. Teorik kimya başta olmak üzere bilim dalları mevcut olsa da teorik kimya ile hesaplamalı kimya birbirlerinden ayrı dallardır. Bu konuda öncelikle Yükseköğretim Kurulu (YÖK) başkanlığımızın, üniversitelerimizin ve daha sonrasında ilgili alanda çalışan akademisyenlerimizin daha somut adımlar atmasının Türkiye Yüzyılı vizyonu kapsamında daha etkili olacağını düşünmekteyim. Ülkemizdeki ilk hesaplamalı ve in siliko akademik yayın dergisi de 2017 yılında “Turkish Computational and Theoretical Chemistry” adıyla tarafımca oluşturulmuş olup, hâlen yayın hayâtına devâm etmektedir. Yukarıda olumlu yönlerini ön plana çıkartmaya çalıştığım hesaplamalı kimyânın etkisini en üst düzeye çıkarmak için, bilim insanları ele alınması gereken çeşitli zorluklarla karşı karşıyadır. Kuantum mekanik simülasyonlarıyla ilişkili yüksek hesaplama mâliyetleri, HPC ve bulut tabanlı bilgi işlem çözümlerinde ilerlemeler gerektirir. Deneysel doğrulama, in siliko tahminlerini doğrulamak için hâlâ önemlidir. Hesaplamalı ve deneysel araştırmacılar arasında çok sıkı iş birliği gerektirmektedir. Yapay zekâ odaklı tahminler için eğitim veri kümelerinin kalitesi ve standardizasyonu, model doğruluğunu ve güvenilirliğini artırmak için de iyileştirilmelidir (Chuang ve diğerleri, 2019). Ayrıca, gerçek dünyâdaki bilimsel zorlukları çözmede in siliko araştırmanın potansiyelinden tam olarak yararlanmak için hesaplamalı kimyâcılar, deneysel bilim insanları ve mühendisler arasında disiplinler arası entegrasyon şarttır. Bu bağlamda YÖK’ün “Hesaplamalı Bilim ve Mühendislik” adında lisansüstü eğitim programını da öncelikli alanlar kategorisinde gösterdiğini söylemek yerinde olacaktır. Geleceğe bakıldığında, kuantum hesaplama, yapay zekâ destekli moleküler simülasyonlar ve bulut tabanlı hesaplama platformları gibi ortaya çıkan teknolojiler, in siliko araştırmayı daha da geliştirecek ve onu bilimsel keşif için vazgeçilmez bir araç hâline getirecektir. Hesaplama altyapısına, araştırma girişimlerine ve disiplinler arası işbirliklerine yatırımlara öncelik vererek Türkiye, hesaplamalı kimya ve in siliko araştırmada lider olarak kendini kanıtlayabilir. Fakat söz konusu araştırmalardan elde edilecek sonuçları deneysel olarak doğrulamak da bir o kadar elzem ve önemlidir. Bu gelişmeler, 21. yüzyılda teknolojik mükemmelliği, bilimsel ilerlemeyi ve sürdürülebilir innovasyonu vurgulayan Türkiye Yüzyılı vizyonuyla uyumludur. Bu konuda aklımıza gelen soru yapay zekâ mı hesaplamalı kimya / in siliko ortama zemin oluşturuyor yoksa tam tersi mi olduğudur. Yapay zekâ (AI) ile hesaplamalı kimya/in siliko araştırma arasındaki ilişki simbiyotiktir ve her alan diğerindeki gelişmeleri yönlendirir. AI, moleküler simülasyonların, ilaç keşfinin ve malzeme tasarımının hızını ve verimliliğini artırarak hesaplamalı kimyâyı hızlandırır. Kuantum kimyâsal verileri üzerinde eğitilen makine öğrenimi (ML) ve derin öğrenme (DL) modelleri, moleküler özellikleri, reaksiyon mekanizmalarını ve bağlanma afinitelerini yüksek doğrulukla tahmîn edebilir, bu da hesaplama mâliyetlerini ve deneysel iş yükünü önemli ölçüde azaltır (von Lilienfeld vd., 2020). AI ayrıca kuvvet alanlarını tahmîn ederek ve uzun vâdeli hesaplamaları hızlandırarak moleküler dinamik simülasyonlarını iyileştirir ve büyük ölçekli in siliko çalışmalarını mümkün kılar (Noé vd., 2020). Bunun tersine, hesaplamalı kimya ve in siliko araştırma, AI modellerini eğitmek için gerekli temel veri kümelerini ve teorik çerçeveleri sağlar. Kuantum kimyâsal hesaplamalar ve yüksek verimli moleküler simülasyonlar, AI algoritmaları için eğitim kümeleri olarak hizmet eden ve kimyâsal desenleri öğrenmelerine ve moleküler davranışları tahmîn etmelerine olanak tanıyan büyük miktarda yüksek kaliteli veri üretir (Butler vd., 2018). Dahası, in siliko araştırma, AI tarafından oluşturulan tahminleri doğrulayarak güvenilirliklerini ve bilimsel önemlerini garanti eder. AI gelişmeye devâm ettikçe, hesaplamalı kimyâyı daha da geliştirecek ve hesaplamalı kimya aynı anda AI tekniklerini geliştirerek karşılıklı olarak güçlendirici bir bilimsel yenilik döngüsü yaratacaktır. Fakat en büyük dezavantajımızın bu alanda çalışacak olan araştırma gücümüzün olmayışıdır. Bu konuda da her zamanki gibi hepimize ihtiyaç vardır. Birlikte el ele daha güçlü ümmet ve daha güçlü Türkiye olmak niyetimle… Referanslar Bulus, H. A., et al. (2022). "Advancements in computational chemistry and AI integration." IEEE Access, 3145712. DOI: 10.1109/ACCESS.2022.3145712. Chuang, K. V., et al. (2019). "The role of AI in modern computational chemistry." Chemical Reviews, 8b00728. DOI: 10.1021/acs.chemrev.8b00728. Cournia, Z., et al. (2017). "Molecular dynamics simulations in drug discovery and biomolecular systems." Journal of Computational Chemistry, 24764. DOI: 10.1002/jcc.24764. Hollingsworth, S. A., & Dror, R. O. (2018). "Molecular dynamics simulations for drug discovery." Cell, 2018. DOI: 10.1016/j.cell.2018.02.012. Kitchen, D. B., et al. (2004). "Docking and virtual screening in drug discovery." Nature Reviews Drug Discovery, 1549. DOI: 10.1038/nrd1549. Mangul, S., et al. (2019). "Precision medicine through computational approaches." Nature Genetics, 0473-7. DOI: 10.1038/s41588-019-0473-7. Parr, R. G., & Yang, W. (1989). "Density functional theory of atoms and molecules." Oxford University Press, 2769. DOI: 10.1093/oso/9780195092769.001.0001. Schlögl, R. (2015). "Nanomaterials and their industrial applications." Angewandte Chemie International Edition, 410738. DOI: 10.1002/anie.201410738. Schwab, M., et al. (2019). "ADMET predictions in computational chemistry." Nature Biotechnology, 0209-9. DOI: 10.1038/s41587-019-0209-9. Vojvodic, A., & Nørskov, J. K. (2015). "Computational design of catalysts." Science, aaa3778. DOI: 10.1126/science.aaa3778. Zhou, H. C., et al. (2012). "Metal-organic frameworks in gas storage and separation." Nature Materials, 3411. DOI: 10.1038/nmat3411. Nisan 2025, sayfa no: 75-76-77
