‘Ilmu pengetahuan meminta Anda untuk merasa nyaman dengan ketidakpastian, yang lebih mudah diucapkan daripada menjalaninya sehari-hari.’
Dr Sousa Javannikkhah memimpin kelompok penelitian baru di Maynooth University yang berfokus pada pemodelan multiskala molekuler.
Latar belakang Javannikkhah adalah di bidang teknik kimia, dengan gelar PhD yang berfokus pada pemodelan komputasi komposit polimer menggunakan simulasi dinamika molekul.
Dia mengembangkan metode komputasi multiskala untuk materi lunak dan sistem polimer yang dapat dirakit sendiri selama posisi pascadoktoralnya, setelah itu dia memegang dua beasiswa Marie Skłodowska-Curie berturut-turut di Universitas Limerick, menerapkan teknik kimia komputasi untuk merancang platform pengiriman obat untuk antibodi monoklonal dan obat antikanker.
Saat ini, Javannikkhah bekerja sebagai asisten profesor kimia komputasi di Maynooth University. Dia dianugerahi hibah Research Ireland Pathways awal tahun ini untuk memulai kelompok penelitiannya, kelompok Simulasi Struktur Across Scales (SUSAS) sebagai peneliti utamanya.
Apa yang menginspirasi Anda untuk menjadi peneliti?
Saya tidak dapat menyangkal pengaruh mengajar terhadap penelitian saya, menggali teori-teori dasar, matematika, dan menghubungkannya dengan penerapan praktis di dunia nyata.
Saya menggabungkan studi PhD saya dengan posisi dosen sementara dan mengajar berbagai modul di bidang teknik kimia dan polimer. Saya menyukai (dan masih menyukainya!) energi dan interaksi dengan para siswa.
Saya cukup beruntung bisa bekerja dengan banyak mentor dan orang-orang jenius yang inspiratif dengan cara mereka masing-masing, terutama pembimbing PhD saya, Profesor Moghbeli, dan mentor pascadoktoral saya, Profesor Vandichel, yang dengannya saya senang berkolaborasi selama lebih dari 4 tahun sebagai bagian dari kelompok penelitian mereka.
Kecerdasan, cara berpikir holistik, dukungan, dan kepercayaan mereka terhadap saya telah memberikan dampak abadi, memungkinkan saya untuk terus merasakan percikan penelitian dan, yang terpenting, kepercayaan pada diri saya sendiri.
Bisakah Anda memberi tahu kami tentang penelitian yang sedang Anda kerjakan?
Penelitian saya berada pada antarmuka kimia komputasi dan teknik kimia, menggunakan simulasi untuk merancang dan memahami material kompleks sebelum dibuat di laboratorium.
Kelompok saya, kelompok SUSAS di Maynooth, bekerja di beberapa bidang yang saling berhubungan: merancang sistem penghantaran obat polimer untuk kanker dan biologi, mengembangkan bahan membran untuk sel bahan bakar hidrogen, memodelkan komposit dan adhesi pada tingkat molekuler, dan mempelajari bahan berpori untuk penangkapan dan pemisahan gas.
Yang menghubungkan semua ini adalah pertanyaan inti yang sama; Bagaimana keputusan tingkat molekuler menentukan sifat yang benar-benar kita pedulikan pada skala perangkat, formulasi, atau pasien?
Pekerjaan ini telah berkembang secara signifikan dari waktu ke waktu, dari simulasi atomistik murni, melalui metode skala meso seperti dinamika partikel disipatif, hingga kini mengintegrasikan pembelajaran mesin ke dalam alur kerja kami untuk mempercepat penemuan.
Perluasan skala tersebut – dari nanometer ke meter, dari nanodetik ke detik – mencerminkan ambisi translasi di balik pekerjaan ini: gagasan bahwa simulasi pada akhirnya dapat memandu desain obat yang membantu pasien sebenarnya, atau membran yang membuat energi bersih dapat digunakan, adalah hal yang terus mendorong saya. Kami bekerja sama dengan mitra eksperimental dan industri, sehingga penelitian ini tetap didasarkan pada masalah nyata.
Menurut Anda, mengapa penelitian Anda penting?
Setiap obat yang kita telan, setiap membran yang menyaring air kita, setiap komposit yang menyatukan bilah turbin, semuanya dimulai dengan keputusan yang dibuat pada skala molekuler, yang sebagian besar tidak terlihat, jarang dirayakan. Namun merancang bahan-bahan ini melalui trial and error di laboratorium adalah hal yang lambat dan mahal.
Pemodelan komputasi memungkinkan kita menjelajahi ruang desain yang sangat besar dengan cepat, mengidentifikasi kandidat yang menjanjikan, dan memahami mekanisme yang mengatur perilaku material, sebelum satu eksperimen dijalankan. Pekerjaan kami membantu menjembatani kesenjangan antara wawasan molekuler dan penerapan di dunia nyata.
Dalam pemberian obat, hal ini dapat berarti perbedaan antara terapi yang sampai ke pasien atau kegagalan dalam pengembangan. Di bidang energi, dapat mempercepat desain membran sel bahan bakar hidrogen. Dalam hal keberlanjutan, hal ini dapat memandu pengembangan bahan yang menangkap karbon atau menyaring polutan. Benang merahnya adalah ini; Kini kita dapat merancang materi dengan niat, bukan sekadar intuisi. Pergeseran tersebut, dari trial and error ke pemahaman molekuler, adalah inti dari penelitian saya.
Penerapan komersial apa yang Anda perkirakan untuk penelitian Anda?
Ada beberapa jalan yang menarik. Dalam pemberian obat, platform komputasi kami dapat mempercepat desain formulasi oral untuk produk biologi, sebuah pasar dengan kebutuhan klinis yang sangat besar yang belum terpenuhi.
Kami telah mengajukan dua pengungkapan penemuan ke Kantor Transfer Teknologi Universitas Limerick dan sedang mempersiapkan permohonan paten untuk platform pengiriman obat polimer baru.
Di bidang material berpori, alat simulasi kami memiliki aplikasi langsung dalam penangkapan karbon, penyimpanan dan pemisahan gas, serta desain komponen untuk sel bahan bakar hidrogen dan perangkat penyimpanan energi.
Secara lebih luas, pendekatan pemodelan kami yang didukung AI/ML dapat dilisensikan atau dikembangkan sebagai alat digital bagi perusahaan farmasi dan material yang ingin mengurangi biaya eksperimen dan mempercepat penemuan.
Apa saja tantangan terbesar yang Anda hadapi sebagai peneliti di bidang Anda?
Salah satu tantangan ilmiah terdalam di bidang saya adalah menjembatani skala – fenomena yang kita pedulikan, bagaimana obat ditangkap di dalam pembawa polimer, bagaimana membran membiarkan ion masuk, bagaimana komposit merespons stres, terjadi pada tingkat molekuler, namun konsekuensinya terjadi pada skala yang benar-benar dapat kita ukur dan gunakan. Tidak ada satu pun metode simulasi yang dapat mengatasi kesenjangan tersebut, dan kami tidak selalu dapat melakukannya dengan benar pada saat pertama.
Pada tingkat yang lebih pribadi, salah satu tantangan yang tidak saya antisipasi sepenuhnya ketika saya menjadi peneliti independen adalah seberapa besar pekerjaan yang harus saya lakukan adalah menjaga kepercayaan orang lain dan juga kepercayaan diri Anda sendiri.
Ketika simulasi memberikan hasil yang tidak diharapkan, permohonan pendanaan ditolak, atau proyek terhenti, Anda harus menemukan cara untuk terus berjalan dan menjaga motivasi tim Anda.
Sains meminta Anda untuk merasa nyaman dengan ketidakpastian, yang lebih mudah diucapkan daripada menjalaninya sehari-hari. Saya telah belajar untuk melihat ketidakpastian bukan sebagai kegagalan, namun sebagai ruang di mana penemuan benar-benar terjadi.
Apakah ada kesalahpahaman umum mengenai bidang penelitian ini?
Kesalahpahaman yang umum terjadi adalah bahwa penelitian komputasi hanya bersifat teoretis dan tidak berhubungan dengan penerapan nyata. Faktanya, pekerjaan yang dilakukan kelompok saya sangat bersifat translasi.
Kami bekerja sama dengan para peneliti dan mitra industri, dan simulasi kami divalidasi secara langsung terhadap data eksperimen.
Komputasi bukanlah pengganti eksperimen; ini adalah pelengkap yang kuat yang dapat memfokuskan upaya eksperimental dan menghasilkan hipotesis yang tidak mungkin dicapai hanya dengan intuisi.
Kesalahpahaman lainnya adalah bahwa simulasi berbasis AI/ML hanya akan menyelesaikan desain material, yang Anda masukkan datanya dan jawabannya akan keluar.
Pada kenyataannya, membangun model yang andal memerlukan intuisi kimia dan fisik yang mendalam, data yang dikurasi dengan cermat, dan validasi yang ketat terhadap eksperimen. Model yang dilatih dengan asumsi yang buruk akan memberi Anda jawaban yang salah dengan percaya diri dan cepat. AI adalah alat yang ampuh, namun tetap membutuhkan ilmuwan yang memegangnya. Ini adalah sains, bukan sihir.
Bidang penelitian apa saja yang ingin Anda tangani di tahun-tahun mendatang?
Saya sangat tertarik dengan tiga arah yang saling berhubungan.
Pertama, desain sistem penghantaran obat polimer generasi berikutnya. Saya ingin melihat platform yang dipandu simulasi yang dapat memberikan agen biologis dan antikanker secara oral dengan efisiensi tinggi dan formulasi yang ramah pasien, mengurangi kebutuhan akan suntikan dan meningkatkan kualitas hidup.
Kedua, saya sangat tertarik dengan penerapan potensi interatomik dan simulasi hibrid yang dibangun dengan pembelajaran mesin pada material berpori yang fleksibel seperti kerangka logam-organik. Materi ini menunjukkan potensi luar biasa dalam penangkapan karbon, penyimpanan gas, dan penginderaan, dan saya yakin simulasi yang mendukung ML akan membuka potensi penuhnya.
Ketiga, saya tertarik dengan peran desain komputasi dalam mengembangkan bahan membran untuk sel bahan bakar dan aplikasi energi bersih, pekerjaan yang kini sedang dilakukan kelompok saya melalui hibah Research Ireland Pathways Program.
Di ketiga bidang tersebut, saya melihat masa depan di mana komputasi, AI, dan eksperimen bekerja sama secara mulus untuk mempercepat penemuan dan penerjemahan.