I dag ligger det mye testing, prøving og feiling bak utviklingen av for eksempel nye katalysatorer, isolasjonsmateriale, solceller eller superledere. Den møysommelige prosessen koster mye tid og penger.
Muligheten for å oppdage nye, nyttige molekyler på en mer effektiv måte, er derfor svært attraktiv.
– Vi jobber med en teknologi som kan gjøre det mye raskere, billigere og enklere å utvikle nye molekyler med egenskaper som er bedre enn det vi har hatt fra før, sier professor Bjørn Kåre Alsberg ved Institutt for kjemi ved NTNU.
Ideen er å la datamaskiner regne seg fram til både organiske og uorganiske forbindelser med attraktive egenskaper.
I dag benyttes kunstig evolusjon i farmasøytisk forskning, for å finne bedre virkestoffer. Så langt har metoden kun blitt benyttet på organiske molekyler, som er enklere å beskrive enn de uorganiske.
Beregningskjemi
Det er utviklingen de siste 20-30 årene innen metoder og programvare for modellering av molekylenes egenskaper, som gjør det mulig å bruke kunstig evolusjon på denne måten.
Innen feltet kvantekjemi brukes kvantemekanikk til å beskrive et molekyls elektroniske struktur, geometri og energi. Kvantemekanikk er den grenen av fysikken som beskriver atomer, molekyler, og oppbygningen av disse.
– Det finnes flere svært effektive beregningsprogrammer og metoder som i prinsippet skulle gjøre det mulig å beregne de aller fleste kjemiske fenomen på datamaskinen. I praksis lar det seg ofte ikke gjøre, fordi det er så ekstremt tunge beregninger som kreves. Heldigvis er det mulig å gjøre forenklinger, sier Alsberg.
I et forskningsprosjekt han leder, utvides verktøyene for kunstig evolusjon også å gjelde uorganiske molekyler - som kan inneholde metaller.
Les også: Norsk-dansk prosjekt jakter på antibiotika 2.0
Katalysatorer
Det første forskerne tok tak i, var utvikling av nye katalysatorer. Etterhvert har de også sett på karbonfangst og solceller. - Vi har prøvd å skyve utviklingen av molekylene så tett opptil det praktisk mulige som det går an, sier professoren.
I arbeidet med utviklingen av programvaren og anvendelsen på uorganiske katalysatormolekyler, har forskerne ved NTNU samarbeidet tett med professor Vidar Remi Jensen ved Kjemisk institutt, Universitetet i Bergen (UiB).
– Han er uorganikeren, og jeg er kjemometrikeren eller kjemoinformatikeren, sier Alsberg.
I dag finnes det mye kunnskap om hva som utgjør en god katalysator. Forskningsgruppa ved UiB hadde allerede utviklet en modell for å forutsi katalytisk evne for en spesiell type katalysatorer, før dette prosjektet startet.
Egenskapene forskerne er interesserte i å optimere - for eksempel katalytisk evne - kalles molekylets fitness. Dette begrepet er hentet fra evolusjonsbiologi, og kan kanskje oversettes til noe sånt som egnethet til å overleve og reprodusere seg.
Les også: Dette har folk prøvd å få til i 150 år
Parrer seg
For at datamaskinen skal kunne gro fram molekyler med optimale egenskaper, må den være i stand til å beregne disse ønskede egenskapene. I tillegg må systemet sørge for å gro molekyler som er realistiske, på den måten at det er mulig å fremstille dem på laboratoriet.
Når forskerne simulerer evolusjon i datamaskinen, har de en populasjon av molekyler som er forskjellige fra hverandre. Det kan være fra noen titalls til flere tusen. Dataprogrammet beregner fitness for hvert enkelt molekyl, og gjør et utvalg.
– Programmet velger typisk de molekylene som har høyest fitness, men det er også andre kriterier, fordi det ikke lønner seg å bare kjøre eliteseleksjon, sier Alsberg.
Etter at utvalget er gjort, får molekylene "parre seg" med hverandre. Programmet gjør to evolusjonære operasjoner. Den ene er å kjøre mutasjoner inn i ulike punkter i molekylstrukturen, ved å sette inn et nytt atom eller en ny funksjonell gruppe.
Mutasjoner kan også slette atomer eller grupper. Den andre operasjonen kalles kryssover, og innebærer å hente ulike deler av strukturene fra foreldremolekylene og kombinere dem til et nytt molekyl.
– Ideene om kunstig evolusjon er hentet fra genetiske algoritmer og genetisk programmering, som er store forskningsområder innen feltet kunstig intelligens, sier Alsberg.
Gjør en tilnærming
Kunstig evolusjon er en lang prosess som kan involvere tusenvis av generasjoner med store populasjoner. Problemet er at det må gjøres en fitnessberegning av alle molekylene i alle generasjonene, uten at det tar for lang tid.
– Vi vil gjerne gjøre disse beregningene med de beste kvantekjemiske metodene, men det blir et problem på grunn av den enorme beregningsjobben. Det er lett å havne i en situasjon hvor man må bruke dager eller uker på store superdatamaskiner for å finne fitnessen til ett enkelt molekyl, sier Alsberg.
Med mange molekyler som skal kjøres over et stort antall generasjoner, må forskerne finne en tilnærming. En vanlig løsning innen biologi og kjemi er å lage en tilnærmet fitness som er mye raskere å beregne.
Ulempen er at modellen kun er nyttig i et lokalt område, det vil si ikke universalt gyldig. På fagspråket kalles slike modeller QSPR (Quantitative Structure-Property Relationships).
Les også: Før tok det uker å lage biodrivstoff av trær. Nå er det gjort på timer
Lærer opp datamaskinen
– Man prøver å lære opp datamaskinen ut fra et gitt sett av eksempler - for eksempel 50 katalysatormolekyler som har vært gjennom laboratorietesting eller tunge beregninger, og har fått et mål på katalytisk evne, forklarer Alsberg.
Hvert molekyl blir beskrevet av et sett variabler som typisk beskriver elektronisk eller geometrisk struktur. Dette puttes deretter inn i en matematisk formel - produktet av datamaskinens læringsprosess. Ut kommer et tall - et estimat på fitnessverdien.
– Dette tallet er mye raskere å beregne enn den mer nøyaktige fitnessverdien, og brukes videre i den genetiske optimeringsprosessen, forteller professoren.
En av de store utfordringene er syntetisk tilgjengelighet. Det er nemlig ikke alle molekyler som kan lages på laboratoriet - i alle fall ikke på en enkel eller rask måte. Molekylene som kommer ut av den kunstige evolusjonen må være så realistiske som mulig. - Vi har mange forskjellige metoder for å gjøre det - for eksempel ved å se på kompleksiteten til strukturene, forklarer Alsberg.
Foreløpig har ikke katalysator-prosjektet kommet til det stadiet hvor molekylene skal lages på laboratoriet, men forskerne har kommet frem til en del interessante strukturer.
CO2-absorbenter og solceller
NTNU-forskerne har også utvidet nedslagsfeltet i andre prosjekter, og er blant annet i gang med å undersøke om metodene kan brukes til å finne fram til nye CO-absorbenter. I dag er det vanlig å bruke aminer til å fange opp CO fra ulike industrielle prosesser.
– For å frigjøre CO2-en igjen, slik at den kan lagres, tilføres energi i form av varme. Denne varmen bør komme fra ikke-karbonbaserte energikilder for at prosessen skal lønne seg med tanke på miljøet. Optimeringen går ut på å fange CO-en bedre, og kreve mindre energi for å frigjøre den igjen. Aminene må også være så lite giftige som mulig. Her legger vi altså opp til at flere fitness-egenskaper skal optimeres samtidig i den kunstige evolusjonen, sier Alsberg.
Innen solceller ser forskerne på såkalte Grätzel-celler, som det for tiden er knyttet en del forventninger til. Mens de typiske solcellene lages av silisium, er disse solcellene en kombinasjon av et fargestoff, en halvleder, en katode og en elektrolytt.
– Vi er interessert i fargestoffet, som er veldig kritisk for funksjonaliteten til denne solcelletypen, sier Alsberg.
Foreløpig ligger Grätzel-cellene langt under ytelsen til de kjente silisiumcellene. De er likevel attraktive, fordi produksjonen av silisiumceller krever miljømessig problematiske metaller som i tillegg finnes i begrenset mengde.
– Grätzel-celler kan dessuten bøyes, lages i ulike farger, og er mye billigere å framstille, sier Alsberg.
Denne artikkelen er levert av Forskningsrådets program for eVitenskap – eVITA - som handler om å utvikle nye arbeidsformer og forskningsmetoder basert på elektronisk infrastruktur for å håndtere store mengder digitale data.
Les også:
«Alkopille» skal gjøre deg beruset uten bivirkninger
Nanoroboter skal behandle kreft mer effektivt enn cellegift
Norsk forskning kan avsløre tarmkreft og forutsi sykdomsforløp
