Etiket: p değeri

19. yüzyılın son çeyreğinde Avrupa laboratuvarları birer ölçüm tiyatrosu gibiydi: titrasyonların sessiz ritmi, cam kaplardaki iki fazın çizgisi boyunca ağır ağır yer değiştiren moleküller… Bu sahnenin merkezine Walter Nernst’in ünlü dağılım yasası oturdu. Nernst, bir maddenin iki karışmayan faz arasında dengeye geldiğinde, her fazdaki etkinliğinin sabit bir oranla ilişkilendiğini gösterdi. O günün diliyle bu, “çözücüler arası transferin termodinamik imzası”ydı; bugünün diliyle ise log P’nin en eski matematik köklerinin atılması.

Kısa süre sonra biyolojiden gelen bir merak fizikokimya ile buluştu. Charles Ernest Overton ve Hans Horst Meyer, uçucu anesteziklerin gücünün yağlarda çözünürlükle (o günlerde çoğu kez zeytinyağı ile) şaşırtıcı bir şekilde paralel gittiğini gösterdiler. Bu Meyer–Overton bağıntısı, “lipitte çözünme → biyolojik etki” hattını bilimsel sezgi olmaktan çıkarıp ölçülebilir bir ilke haline getirdi. Moleküllerin canlı dokularda başarı ya da başarısızlıklarının, “yağ mı su mu tercih ederler?” sorusuyla yakından bağlantılı olduğu fikri, böylece kimyanın ve farmakolojinin merkezine yerleşti.

20. yüzyıl ilerlerken iki ayrı akım birbirini besledi: ölçüm teknikleri rafine oldu, kavramsal çerçeve keskinleşti. Çalkalama şişesiyle iki fazın dengelenmesi, fazların karşılıklı doygunlaştırılması, emülsiyonları azaltmak için yavaş karıştırma gibi ayrıntılar laboratuvar pratiğine girdi. Bu sırada, canlı zarların amfifilik doğasına benzer davranan, uzun zinciri hidrofobik, hidroksil ucu hidrojen bağı yapabilen bir çözücü olan n-oktanol, “yağ fazı” için pratik bir standart olarak öne çıktı. Seçim, mükemmel olmaktan çok akıllıcaydı: n-oktanol ne tamamen apolar bir yağ ne de su kadar polar bir çözücüydü; zar fosfolipitlerini taklit etmeye yetecek bir ara-polarite sunuyordu.

1960’lara gelindiğinde sahneye farmasötik kimyanın öncüleri çıktı ve log P birdenbire yalnızca ölçülen bir sayı olmaktan çıktı; yordanan ve model kuran bir parametreye dönüştü. Toshio Fujita, Junya Iwasa ve Corwin Hansch, hidrofobik yerine-geçer sabiti (π) ile log P’nin kimyasal yapı–biyolojik etki korelasyonlarında (QSAR) nasıl “taşıyıcı değişken” rolü oynayabileceğini gösterdiler. Bu çalışma, log P’yi farmakodinamik ve farmakokinetik sonuçların birincil açıklayıcılarından biri haline getirdi. Albert Leo ile birlikte, parçalanabilirlik (fragman) fikrini geliştirip hesaplanan log P (cLogP) kavramını popülerleştirdiler; böylece bir bileşiğin hidrofobikliği, sentezlenmeden önce, kâğıt üzerinde (daha sonraları bilgisayar ekranında) öngörülebilir oldu.

1970’ler ve 80’ler, log P’nin iki yönden “yurttaşlığa kabul” edilişinin yıllarıydı. Kimya cephesinde parça sabiti yaklaşımları olgunlaştı: Rekker’in hidrofobik fragman sabitleri, Ghose–Crippen’in atomik parametreleri, Moriguchi’nin ampirik denklemleri; hepsi, “yapı → log P” köprüsünü farklı matematik taşlarıyla sağlamlaştırdı. Aynı dönemde analitik kimya, ters faz HPLC ile log P’ye dolaylı pencereler açtı; daha sonra immobilize yapay membran (IAM) kromatografisi, oktanolün ötesine geçip fosfolipit benzeri yüzeylerde hidrofobikliği sınamayı mümkün kıldı. Düzenleyici cephede ise OECD kılavuzlarının (çalkalama şişesi, HPLC ve yavaş karıştırma yöntemleri) standardizasyonu, log P’yi yalnızca “ilaç tasarımının” değil, çevre kaderi ve biyobirikim risk değerlendirmesinin de vazgeçilmez girdisi haline getirdi.

90’lar ve 2000’ler, hesaplamanın hızlandığı ve çeşitlendiği bir evreydi. Kural tabanlı (fragman/atom katkılı) cLogP’lerin yanına, istatistiksel öğrenme yöntemleri ve yapay sinir ağları eklendi. Bir yandan pH-metrik yöntemler ve mikro-pKa kavrayışı gelişerek, yalnızca nötr türü betimleyen log P ile fizyolojik pH’taki etkin hidrofobikliği ifade eden log D arasındaki ilişki incelik kazandı; diğer yandan fizik-temelli çözücü modelleri (ör. COSMO ve SMD ailesi) ile serbest enerji farkları üzerinden log P’yi “birinci ilkelerden” türetme arayışları güçlendi. Bu ikili gelişme —veriden öğrenen daha iyi istatistikler ve fiziğin koyduğu sınırları sayısal olarak çözme becerisi— alanı aynı anda iki yoldan olgunlaştırdı.

2010’lardan bugüne log P anlatısı, üç güçlü tema etrafında ilerledi. Birincisi, derin öğrenme: molekülleri graf olarak gören mesaj-iletimli sinir ağları ve transformer tabanlı modeller, yalnızca log P’yi değil, log S, pKa ve geçirgenlik gibi ilişkili özellikleri çok-görevli kurulumlarda birlikte öğrenerek, veri kısıtlı alt-sınıflarda bile genelleme kalitesini yükseltti. İkincisi, mikro-durum bilinci: tek bir “molekül” yerine, tüm tautomer/iyonizasyon mikro-durumlarının popülasyonunu hesaba katan iş akışları, pH-bağımlı log D(pH) eğrilerini yüksek güvenle yeniden çizmeyi mümkün kıldı. Üçüncüsü, deney-hesaplama birlikte evrimi: mikroakışkan çiplerde hızlı denge sağlayan miniaturize bölme sistemleri, yavaş karıştırma protokollerini emülsiyon artefaktlarından arındıran hassas otomasyon, standart ekleme ve kütle spektrometrisi ile ultra-düşük çözünebilirliklerde bile tutarlı ölçümler… Tüm bunlar, log P’nin “tek sayı” olmaktan çıkıp, belirsizlikle birlikte raporlanan, bağlamı zengin bir betimleyiciye dönüşmesini sağladı.

Bugünün ilaç keşfi masasında log P artık tek başına karar vermez; topolojik polar yüzey alanı (tPSA), H-bağ verici/bağlayıcı sayıları, rotasyonel bağ sayısı, molar refraktivite ve pKa ile birlikte, çok-parametreli optimizasyonun (MPO) bir ekseni olarak kullanılır. Tasarımcı, sanal kütüphaneleri tararken bir yandan çok-amaçlı evrimsel algoritmalar veya takviyeli öğrenme ile “log P–log S–potens–metabolizma” dengesini iteratif olarak kurar; diğer yandan serbest-enerji pertürbasyonu ile membran içine gömülme profillerini hesaplayıp, PAMPA/Caco-2/MDCK gibi geçirgenlik ekranlarıyla erken evrede çapraz doğrular. Log P burada hâlâ başrol oyuncularından biridir, ama artık bir ansamblın parçasıdır.

Çevre bilimlerinde ise log P ve “Kow” simgesi, biyokümülatif kalıcılık söyleminin sembolü oldu. Organik kirleticilerin sedimente ve biyokütleye dağılımını öngören QSAR’larda log P temel bir girdi; yüksek log P genellikle düşük suda çözünürlük ve yüksek biyouyumlulukla birlikte, izleme ve arıtma stratejilerinin ölçeklenmesinde öncelik sinyali verir. Yeni çalışmalar, klasik n-oktanolün ötesine bakan membran-mimetik sistemlerle (lipid vezikülleri, IAM fazları) “canlıya daha yakın” hidrofobiklik tanımları geliştiriyor; böylece log P’nin “operasyonel” doğası, biyolojik bağlama daha iyi bağlanıyor.

Ve elbette, “keşif” her zaman isimlerle hatırlanır. Nernst, denge fikrini matematiğe döktü. Overton ve Meyer, lipofilikliğin biyolojik etkiyle ritmini kurdu. Hansch, Fujita ve Leo, hidrofobikliği biyolojik verilerle aynı cümle içinde konuşturan dilbilgisini yazdı. Rekker, Ghose–Crippen, Moriguchi, bilgisayarların anlayacağı sözlüğü genişletti. Analitikçiler ölçümü güvenilir kıldı; düzenleyiciler ortak bir çerçeve çizdi. Son yıllarda derin öğrenme ve fizik-temelli solvatasyon toplulukları, log P’yi belirsizlikleriyle birlikte önceden görülmemiş bir çözünürlükte hesaplar hale getirdi.

Bugün bir aday molekülün dosyasında log P hâlâ erken sayfalardadır; ama o sayfa artık yalnızca bir sayı içermez. Bir pH-bağımlı profil, bir belirsizlik bandı, ilgili mikro-durumların nüfusları, modelin kapsama alanı ve mümkünse bağımsız bir deneysel doğrulama notu… Asırlar önce iki faz arasında kurulan o ince sınır çizgisi, şimdi keşfin etiğine de rehberlik ediyor: ölçtüğümüzü açıkça tanımlamak, öngördüğümüzü dürüstçe kalibre etmek ve kararlarımızı bu ikiliye birlikte dayandırmak.

1. Nernst, W. (1891). Verteilung eines Stoffes zwischen zwei Lösungsmitteln. Zeitschrift für Physikalische Chemie, 8, sayfalar değişken.
2. Overton, C. E. (1895). Studien über die Narkose. Jena: Gustav Fischer.
3. Meyer, H. H. (1899). Welche Eigenschaft der Anästhetika bedingt ihre narkotische Wirkung? Naunyn–Schmiedeberg’s Archiv für Experimentelle Pathologie und Pharmakologie, 42, 109–118.
4. Fujita, T.; Iwasa, J.; Hansch, C. (1964). A New Substituent Constant, π, Derived from Partition Coefficients. Journal of the American Chemical Society, 86, 5175–5180.
5. Leo, A.; Hansch, C. (1971). Partition Coefficients and Their Uses. Chemical Reviews, 71(6), 525–616.
6. Rekker, R. F. (1977). The Hydrophobic Fragmental Constant: Its Derivation and Application. Amsterdam: Elsevier.
7. Pidgeon, C.; Venkataram, U. V. (1989). Immobilized Artificial Membrane Chromatography. Analytical Chemistry, 61, 140–146.
8. Ghose, A. K.; Crippen, G. M. (1986). Atomic Physicochemical Parameters for Three-Dimensional Structure-Directed QSAR. Journal of Computational Chemistry, 7(4), 565–577.
9. Moriguchi, I.; Hirono, S.; Liu, Q.; Matsushita, Y.; Komatsu, K. (1992). Simple Method for Calculating Octanol/Water Partition Coefficient. Chemical & Pharmaceutical Bulletin, 40(1), 127–130.
10. Klamt, A. (1995). Conductor-like Screening Model for Real Solvents (COSMO). Journal of Physical Chemistry, 99, 2224–2235.
11. Marenich, A. V.; Cramer, C. J.; Truhlar, D. G. (2009). Universal Solvation Model (SMD). Journal of Physical Chemistry B, 113, 6378–6396.
12. Gilmer, J.; Schoenholz, S.; et al. (2017). Neural Message Passing for Quantum Chemistry. Proceedings of ICML 2017, 1263–1272.
13. Mansouri, K.; et al. (2018). OPERA Models for Predicting Physicochemical Properties and Environmental Fate. Journal of Cheminformatics, 10, makale no: 10.
14. OECD Test No. 107. Partition Coefficient (n-octanol/water): Shake Flask Method. Paris: OECD Publishing.
15. OECD Test No. 117. Partition Coefficient (n-octanol/water): HPLC Method. Paris: OECD Publishing.
16. OECD Test No. 123. Partition Coefficient (n-octanol/water): Slow-Stirring Method. Paris: OECD Publishing.