Crédito da imagem: HIMS/Nature Synthesis.
Em um artigo publicado em Nature Synthesis, pesquisadores liderados pelo professor Timothy Noël, do Instituto Van ‘t Hoff de Ciências Moleculares da Universidade de Amsterdã, apresentam um avanço em sistemas laboratoriais autônomos para otimização de síntese. Com design versátil e modular e opção para análises “humanas no circuito”, o RoboChem Flex atende a todos os laboratórios de síntese, grandes ou pequenos. O artigo fornece todas as informações para construir seu próprio sistema.
Segundo o professor Noël, esta nova versão do conceito RoboChem desenvolvido por seu grupo irá democratizar o uso de sistemas de síntese autônomos e sofisticados alimentados por IA. Tais sistemas são muitas vezes muito caros, de modo que apenas instituições bem financiadas podem comprá-los. “Consideramos que este privilégio exclusivo é contraproducente para a ciência. O progresso científico requer ferramentas escaláveis e económicas que capacitem os investigadores em todos os níveis de recursos. Por isso, desenvolvemos agora o nosso sistema para ser amplamente utilizado, também por grupos menos bem estabelecidos, aumentando as capacidades de investigação, as oportunidades de inovação e a influência científica.”
Custo reduzido, versatilidade aumentada
Apresentado na revista Science no início de 2024, o primeiro sistema RoboChem apresentava um sistema autônomo para química de fluxo, acoplado a um sistema de RMN de bancada para análise e controlado por uma unidade integrada de IA de aprendizado de máquina. Em seu artigo authentic, o grupo demonstrou o poder da RoboChem em acelerar a descoberta química de moléculas relevantes para aplicações farmacêuticas e outras. Trabalhando de forma autônoma 24 horas por dia, o sistema pode otimizar sozinho a síntese de dez a vinte moléculas, algo que levaria vários meses para um estudante de doutorado.
“Ficamos muito orgulhosos de apresentar as capacidades da RoboChem na Ciência”, diz Noël. “Por outro lado, o sistema nos custou mais de 50.000 dólares, sem incluir o equipamento de RMN muito caro. Decidimos encontrar uma maneira de reduzir custos e, ao mesmo tempo, aumentar sua versatilidade.”
O resultado, agora apresentado na Nature Synthesis, é o RoboChem Flex. O artigo fornece todas as informações para laboratórios em todo o mundo construírem seu próprio sistema. Combinando um custo estimado de cerca de US$ 5.000 com capacidades em campos tão diversos como fotocatálise, biocatálise, acoplamento térmico cruzado e muito mais, Noel considera sua missão cumprida. “Existem outros sistemas automatizados acessíveis, mas eles sacrificam o potencial de pesquisa ao se concentrarem em problemas estritamente definidos. Demonstramos o RoboChem Flex em seis estudos de caso desafiadores que cobrem diversos campos da química. Cada estudo de caso demonstra como o RoboChem Flex pode ser especificamente adaptado ao problema em questão. E, claro, verificamos a aplicabilidade no mundo actual dos resultados do RoboChem Flex, realizando as sínteses propostas em nosso laboratório.”
Componentes impressos em 3D e uma opção “human-in-the-loop”
Para garantir acessibilidade e flexibilidade, o RoboChem Flex usa componentes prontamente disponíveis ou seus equivalentes impressos em 3D. Isso não apenas reduz significativamente os custos, mas também permite rápida personalização e desenvolvimento iterativo. A comunicação entre os componentes de {hardware} é orquestrada pelo pacote OmniPlatypus dedicado, desenvolvido internamente pelo grupo de pesquisa de Noël e de código aberto. Ele garante modularidade perfeita e permite uma arquitetura plug-and-play com mínimo esforço de codificação exigido do usuário.
No nível do software program, o RoboChem-Flex apresenta um agente integrado e altamente modular de Otimização Bayesiana (BO). Isso permite que seus usuários personalizem a otimização do fluxo de trabalho de síntese orientada por IA para atender a objetivos experimentais específicos. A plataforma também oferece suporte à integração com uma variedade de instrumentos analíticos em linha, incluindo espectroscopia NMR, UHPLC-MS e Raman. Essa integração permite uma operação em circuito fechado totalmente autônoma, capaz de otimização autônoma da reação 24 horas por dia.
No entanto, adicionar a análise em linha representaria um investimento considerável que poderia exceder significativamente os 5.000 dólares do próprio sistema. Portanto, o grupo Noël decidiu desenvolver também uma unidade de amostragem de líquidos impressa em 3D com boa relação custo-benefício. “Este módulo permite a coleta de amostras de reação”, explica Noël, “que podem então ser analisadas usando equipamentos analíticos já disponíveis, que muitas vezes são compartilhados entre vários grupos de pesquisa”. Esta abordagem humana fornece um ponto de entrada prático e acessível para laboratórios. Assim, ao equipar grupos de investigação com recursos limitados com ferramentas equivalentes às de instituições bem financiadas, o RoboChem-Flex visa nivelar as condições de concorrência e promover a inovação em todas as escalas.
Professor Timothy Noël apresentando RoboChem Flex.
Estudos de caso Robochem Flex
- Otimização da trifluorometilação do pirrol usando exploração ponderada adaptativa e análise de RMN.
- Funcionalização desoxigenativa C – H through otimização de hipervolume usando análise HPLC.
- Otimização de hipervolume ruidoso de marcação de isótopos fotocatalíticos usando espectroscopia Raman.
- Redução enzimática seletiva de uma dicetona usando HITL e lote de aquisição dupla.
- Otimização de aminações de Buchwald-Hartwig through transferência de aprendizagem e caracterização de ligantes.
- Otimização multiobjetivo de uma cicloadição fotocatalítica enantiosseletiva (2+2) utilizando HPLC quiral.
Todo o código usado para RoboChem Flex é disponível abertamente through GitHub. Isso inclui, entre outros, código de otimização e aprendizado de máquina, software program de interface gráfica do usuário, firmware de dispositivo e código de controle operacional, arquivos de projeto de impressão 3D e esquemas de {hardware}.
Leia a obra na íntegra
Um laboratório autônomo flexível e acessível para otimização de reações automatizadas, Simone Pilon, Elia Savino, Oliver M. Bayley, Michael Vanzella, Miguel Claros, Petros Siasiaridis, Junsong Liu, Florian Lukas, Matteo Damian, Vasilis Tseliou, Niccolò Intini, Aidan Slattery, Jesus SanJosé-Orduna, Tim den Hartog, Ron AH Peters, Andrea FG Gargano, Francesco G. Mutti e Timothy NoëlSíntese da Natureza (2026).
Universidade de Amsterdã