Para peneliti telah meluncurkan BigSolDB 2.0, sebuah kumpulan data komprehensif yang berisi data kelarutan senyawa organik dalam berbagai pelarut. Inisiatif ini bertujuan untuk memajukan penelitian cheminformatics dan meningkatkan akurasi prediksi kelarutan, sebuah properti krusial dalam pengembangan kimia, ilmu material, dan farmasi.
Kumpulan data BigSolDB 2.0 mencakup 103.944 nilai kelarutan eksperimental untuk 1.448 senyawa organik yang diukur dalam 213 pelarut berbeda. Data ini dikumpulkan dalam rentang suhu yang luas, dari 243 hingga 425 Kelvin, dan diekstraksi dari 1.595 artikel peer-review. Kumpulan data yang luas ini terstandarisasi dan disajikan dalam format yang dapat dibaca mesin, memfasilitasi analisis berbasis data yang efisien.
Untuk meningkatkan aksesibilitas dan kegunaan, para peneliti juga telah mengembangkan alat berbasis web yang memungkinkan visualisasi dan pencarian interaktif dalam kumpulan data. Kelarutan adalah salah satu properti paling mendasar dari senyawa organik, yang secara langsung memengaruhi aplikasinya di berbagai bidang ilmiah dan industri. Namun, memprediksi nilai kelarutan senyawa organik dalam pelarut selain air dari struktur molekulnya tetap menjadi tantangan signifikan dalam cheminformatics modern karena kurangnya kumpulan data yang besar dan beragam.
BigSolDB 2.0 hadir untuk mengisi kesenjangan ini, menyediakan tolok ukur yang kuat untuk pengembangan model pembelajaran mesin yang dirancang untuk memprediksi kelarutan. Pengembangan BigSolDB 2.0 merupakan langkah maju yang penting, yang berpotensi mempercepat penelitian dan pengembangan di berbagai domain. Ketersediaan kumpulan data yang terstandarisasi dan berskala besar ini sangat penting untuk melatih dan memvalidasi model pembelajaran mesin, yang pada gilirannya dapat mengarah pada penemuan obat yang lebih efisien dan pengembangan material baru. Kemajuan dalam cheminformatics, yang didorong oleh integrasi pembelajaran mesin dan kecerdasan buatan, terus mengubah cara para peneliti mendekati pemahaman dan prediksi sifat-sifat molekuler, membuka jalan bagi inovasi di masa depan.