Tổng quan về luận án

Luận án tiến sĩ "Thiết kế, sàng lọc và tổng hợp một số dẫn xuất Thiosemicarbazone và phức chất dựa trên các tính toán hóa lượng tử kết hợp phương pháp mô hình hóa QSPR" của Nguyễn Minh Quang đại diện cho một nghiên cứu tiên phong tại giao điểm của hóa học lý thuyết, hóa lý và hóa học hữu cơ. Nghiên cứu này hướng tới việc giải quyết những thách thức cố hữu trong việc thiết kế và dự đoán các tính chất của phức chất kim loại, đặc biệt là hằng số bền – một đại lượng then chốt quyết định ứng dụng của chúng. Bối cảnh khoa học của luận án được đặt trong sự phát triển mạnh mẽ của hóa học phức chất, vốn có những ứng dụng đa dạng từ y dược đến phân tích môi trường, như khả năng kháng khuẩn, kháng nấm, chống ung thư, và làm thuốc thử xác định kim loại nặng [137].

Nghiên cứu này lấp đầy một khoảng trống đáng kể trong tài liệu học thuật hiện có. Mặc dù các dẫn xuất thiosemicarbazone và phức chất của chúng đã được nghiên cứu rộng rãi, nhưng "chưa có một công trình nghiên cứu tìm kiếm, sàng lọc dẫn xuất thiosemicarbazone nhằm xây dựng các mô hình dự đoán khả năng tạo phức của dẫn xuất thiosemicarbazone với các ion kim loại khác nhau dựa trên các tính toán lượng tử kết hợp với các phương pháp hồi quy tuyến tính đa biến và các phương pháp mô hình hóa thông minh bằng máy tính" (P.xxxv). Đồng thời, "chưa có công bố nào phát triển mô hình QSPR trên đối tượng phức chất giữa thiosemicarbazone và các ion kim loại với đại lượng đặc trưng là hằng số bền của phức" (P.xxxvi). Khoảng trống này đã thúc đẩy luận án phát triển một khung nghiên cứu toàn diện, tích hợp lý thuyết và thực nghiệm để dự đoán và xác minh các tính chất phức chất.

Các câu hỏi nghiên cứu và giả thuyết chính của luận án tập trung vào việc thiết lập các mô hình dự đoán mạnh mẽ và xác nhận chúng qua thực nghiệm:

  1. Làm thế nào để xây dựng các mô hình QSPR đáng tin cậy cho hằng số bền của phức chất thiosemicarbazone-kim loại dựa trên dữ liệu thực nghiệm đã sàng lọc và thiết kế?
  2. Việc thiết kế và dự báo hằng số bền của các phức chất mới từ các mô hình đã xây dựng sẽ mang lại những kết quả như thế nào?
  3. Làm thế nào để phân tích, đánh giá khả năng hình thành và tổng hợp của các ligand và phức chất mới dựa trên các tính toán hóa lượng tử?
  4. Việc tổng hợp thực nghiệm ligand và phức chất mới có xác nhận được các dự đoán lý thuyết và giá trị hằng số bền của chúng có phù hợp với mô hình QSPR không?

Khung lý thuyết của luận án được xây dựng dựa trên sự kết hợp sâu sắc của Lý thuyết Quan hệ Định lượng Cấu trúc-Tính chất (QSPR) và các phương pháp Tính toán Hóa lượng tử (Quantum Chemical Calculations). QSPR, vốn xuất phát từ QSAR (Quan hệ Định lượng Cấu trúc-Hoạt tính) [86], được sử dụng để thiết lập mối quan hệ toán học giữa cấu trúc phân tử (được mô tả bằng các bộ mô tả phân tử) và tính chất vật lý-hóa học của chúng, cụ thể ở đây là logarit của hằng số bền (logβpq) của phức chất. Bên cạnh đó, các lý thuyết về Cơ học Lượng tử (QM) và Cơ học Phân tử (MM) cung cấp nền tảng để tối ưu hóa cấu trúc, phân tích cấu dạng bền và tính toán các tham số electron của các hợp chất, vốn là đầu vào quan trọng cho các mô hình QSPR.

Luận án tạo ra một đóng góp đột phá bằng cách thiết lập "những nghiên cứu đầu tiên về hằng số bền của phức chất giữa các ion kim loại và thiosemicarbazone trên thế giới" thông qua mô hình hóa QSPR (P.xxxvii). Tác động được định lượng thông qua sự phát triển các mô hình QSPR với "các giá trị R2train = 0,9446 và Q2LOO = 0,9262" cho phức MLR (P.102), cho thấy khả năng dự đoán cao của các mô hình này. Nghiên cứu cũng mở ra khả năng thiết kế hợp chất mới một cách hiệu quả, giảm đáng kể thời gian và chi phí so với các phương pháp thực nghiệm truyền thống. Phạm vi nghiên cứu bao gồm việc thu thập dữ liệu thực nghiệm ban đầu của 54 cấu trúc ligand và phức chất (Phụ lục 4, 5, 6), sau đó sàng lọc và tối ưu hóa để xây dựng các mô hình QSPR, và cuối cùng là tổng hợp thực nghiệm các dẫn xuất thiosemicarbazone mới (BEPT, BECT) và phức chất của chúng với các ion kim loại (Ni(II), Cd(II), Cu(II), Zn(II)) để xác minh. Tính ý nghĩa của nghiên cứu nằm ở việc cung cấp một công cụ mạnh mẽ để dự đoán và thiết kế các phức chất kim loại với các tính chất mong muốn, đặc biệt hữu ích trong dược học và hóa phân tích.

Literature Review và Positioning

Phần tổng quan tài liệu của luận án đã tổng hợp một cách có hệ thống các luồng nghiên cứu chính liên quan đến thiosemicarbazone và phức chất của chúng. Các nghiên cứu trong nước, được liệt kê từ các tác giả như Nguyễn Duy Hoàn [12], Nguyễn Thị Kim Dung [1, 2], Nguyễn Đình Quang [41], Nguyễn Kim Hồng [5], Nguyễn Thị Phượng [7], Nguyễn Đặng Thành [8], và Nguyễn Xuân Anh [11], chủ yếu xoay quanh việc tổng hợp và nghiên cứu cấu trúc của thiosemicarbazone và các phức chất mới với các ion kim loại chuyển tiếp (Pt(II), Zn(II), Cu(II), Pd(II), Mo(II), Ni(II)). Các nghiên cứu này cũng đã sử dụng các phương pháp phân tích hóa lý hiện đại để xác định cấu trúc và thăm dò hoạt tính sinh học hoặc ứng dụng làm thuốc thử phân tích.

Đối với các công trình nghiên cứu quốc tế, lĩnh vực này đã phát triển mạnh mẽ từ những năm 1970 [137], với nhiều ứng dụng đa dạng. Ví dụ, P.A.S. Suneetha và cộng sự đã nghiên cứu xác định hàm lượng Cu bằng phương pháp quang phổ sử dụng dẫn xuất 5-bromosalicylaldehyde thiosemicarbazone [113]. Nghiên cứu của A. P. Likhodii về benzaldehyde thiosemicarbazone như một chất ức chế phenoloxidase bằng 3D-QSAR [156] cho thấy việc áp dụng các phương pháp tính toán. Các công trình khác đã tập trung vào xác định cadimi bằng quang phổ UV-Vis [105], phân tích sắt bằng 2-Hydroxy-4-n-butoxy-5-bromo propiophenone thiosemicarbazone [106], nghiên cứu sự tạo phức của 2-hydroxyacetophenone thiosemicarbazone với Ni bằng phổ IR, X-ray, NMR và phương pháp DFT/B3LYP [56], và xác định thủy ngân bằng 2-acetylpyridine thiosemicarbazone trong mẫu môi trường [24]. Nhiều nghiên cứu cũng tập trung vào động học tạo phức [29], khảo sát cân bằng và hằng số bền [77], hoặc khả năng kháng khuẩn của phức đồng [121].

Tuy nhiên, trong khi các nghiên cứu trong và ngoài nước đều khai thác tính đa dạng trong cấu trúc và ứng dụng của thiosemicarbazone, một điểm tranh cãi hoặc khoảng trống đáng chú ý là sự thiếu hụt các công trình kết hợp mô hình hóa QSPR và tính toán hóa lượng tử để dự đoán hằng số bền của phức chất, đặc biệt trên đối tượng này. Mặc dù có các nghiên cứu ứng dụng 3D-QSAR như của Likhodii [156] và các tính toán DFT kết hợp thực nghiệm như của P. A. S. Suneetha [56] để làm rõ cấu trúc và cơ chế, nhưng chưa có công bố nào tập trung vào việc xây dựng mô hình định lượng cấu trúc-tính chất (QSPR) cho hằng số bền. Điều này tạo ra một "specific gap" mà luận án này hướng tới: "chưa có công bố nào phát triển mô hình QSPR trên đối tượng phức chất giữa thiosemicarbazone và các ion kim loại với đại lượng đặc trưng là hằng số bền của phức" (P.xxxvi).

Luận án này tiến xa hơn bằng cách không chỉ tổng hợp và xác định cấu trúc (như các nghiên cứu của Nguyễn Thị Kim Dung [1, 2] hoặc P. A. S. Suneetha [56]), mà còn phát triển một khung phân tích dự đoán hoàn toàn mới. Bằng cách xây dựng các mô hình QSPR, luận án cho phép "dự báo hằng số bền các phức chất mới" và "phân tích, đánh giá các ligand và phức chất mới có khả năng hình thành và tổng hợp dựa trên các tính toán hóa lượng tử" (P.xxxvi). Điều này trực tiếp thúc đẩy lĩnh vực hóa học phức chất bằng cách cung cấp một công cụ thiết kế hợp chất có mục tiêu, tiết kiệm thời gian và chi phí, một ưu điểm lớn so với việc chỉ dựa vào tổng hợp và thử nghiệm thực nghiệm.

So sánh với các nghiên cứu quốc tế, ví dụ như công trình của P. A. S. Suneetha và cộng sự về phức hợp 2-hydroxyacetophenone thiosemicarbazone với Ni [56], luận án này mở rộng phạm vi từ việc nghiên cứu cấu trúc và phổ hấp thụ sang một hệ thống dự đoán định lượng. Trong khi Suneetha và cộng sự sử dụng DFT/B3LYP và MEP để làm rõ cấu trúc, luận án này sử dụng một phổ rộng hơn các phương pháp lượng tử (AM1, PM3, PM6, PM7) và kết hợp chúng với MM để phân tích cấu dạng bền, sau đó tích hợp các thuộc tính này vào mô hình QSPR. Một ví dụ khác là nghiên cứu của O. Y. Al-Rubea [77] về hằng số bền của phức Mn(II) và Ni(II) với 3-formylpyridine thiosemicarbazone, vốn chỉ giới hạn ở thực nghiệm. Luận án này không chỉ thực nghiệm mà còn xây dựng mô hình dự đoán, cung cấp khả năng mở rộng cho hàng ngàn hợp chất chưa được tổng hợp, từ đó tạo ra tác động lớn hơn đáng kể trong việc thiết kế thuốc và phân tích.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án đóng góp đáng kể vào lĩnh vực hóa lý thuyết và hóa lý bằng cách mở rộng và thách thức các lý thuyết hiện có, đặc biệt là trong bối cảnh mối quan hệ giữa cấu trúc và tính chất. Đóng góp cốt lõi là việc mở rộng ứng dụng của Lý thuyết QSPR (Quantitative Structure-Property Relationship) của Crum Brown và Fraser (1868), Richet (1893), Hansch (1962) và đồng sự [86] để dự đoán một tính chất phức tạp như hằng số bền của phức chất thiosemicarbazone-kim loại. Trong khi QSPR/QSAR đã được ứng dụng rộng rãi để dự đoán nhiệt độ sôi, độ hòa tan hay hoạt tính sinh học [160], luận án này là "những nghiên cứu đầu tiên về hằng số bền của phức chất giữa các ion kim loại và thiosemicarbazone trên thế giới" (P.xxxvii). Điều này mở rộng ranh giới của QSPR từ việc dự đoán các tính chất vật lý đơn giản hoặc hoạt tính sinh học sang một đại lượng hóa học phức tạp hơn, đòi hỏi sự hiểu biết sâu sắc về tương tác phối tử-kim loại.

Khung khái niệm của luận án được xây dựng dựa trên sự tích hợp các thành phần chính:

  1. Cấu trúc phân tử của thiosemicarbazone và phức chất: Bao gồm các thông tin về hình học, điện tử và không gian của các ligand và phức chất.
  2. Bộ mô tả phân tử: Các tham số định lượng được tính toán từ cấu trúc, bao gồm cả mô tả 2D (như chỉ số hình học, tham số hóa lý) và 3D (như năng lượng HOMO, LUMO, mô men lưỡng cực từ tính toán lượng tử) [86, P.9].
  3. Hằng số bền của phức chất (logβpq): Đại lượng tính chất mục tiêu cần dự đoán.
  4. Các điều kiện thực nghiệm: pH, lực ion, nhiệt độ, đóng vai trò là các tham số mô tả thực nghiệm [86].

Mô hình lý thuyết được đề xuất trong luận án bao gồm các mệnh đề và giả thuyết được đánh số cụ thể:

  • Giả thuyết 1: Có thể thiết lập một mối quan hệ định lượng có ý nghĩa thống kê giữa cấu trúc phân tử của thiosemicarbazone và các điều kiện thực nghiệm với hằng số bền của phức chất mà chúng tạo thành.
  • Giả thuyết 2: Các mô tả hóa lượng tử (ví dụ: HOMO, LUMO, điện tích riêng phần) sẽ đóng góp đáng kể vào khả năng dự đoán của mô hình QSPR đối với hằng số bền của phức chất.
  • Mệnh đề 1: Sự tích hợp các phương pháp học máy (MLR, SVR, ANN) với giải thuật di truyền (GA) sẽ nâng cao hiệu quả và độ chính xác của các mô hình QSPR so với các phương pháp hồi quy tuyến tính truyền thống.
  • Mệnh đề 2: Các ligand và phức chất mới được thiết kế dựa trên mô hình QSPR và tối ưu hóa cấu dạng bằng tính toán lượng tử sẽ thể hiện hằng số bền phù hợp với dự đoán lý thuyết khi được tổng hợp thực nghiệm.

Luận án này không chỉ mở rộng ứng dụng của QSPR mà còn thúc đẩy một sự thay đổi mô hình (paradigm shift) trong cách tiếp cận thiết kế phức chất. Thay vì chỉ dựa vào "phương pháp thử và sai" (trial-and-error) trong phòng thí nghiệm, nghiên cứu này chứng minh tính hiệu quả của một quy trình thiết kế hợp chất dự đoán và có định hướng. Bằng chứng từ các phát hiện cho thấy các mô hình QSPR đạt được "R2train = 0,9446 và Q2LOO = 0,9262" (P.102, Figure 3.19 cho phức ML) có thể dự đoán chính xác hằng số bền, giúp thu hẹp đáng kể không gian tìm kiếm hợp chất mới và tiết kiệm nguồn lực.

Khung phân tích độc đáo

Khung phân tích của luận án đặc biệt độc đáo nhờ sự tích hợp đa chiều của nhiều lý thuyết và phương pháp tiếp cận. Nghiên cứu kết hợp thành công ba lý thuyết chính:

  1. Lý thuyết QSPR/QSAR: Cung cấp cơ sở để xây dựng các mô hình định lượng.
  2. Lý thuyết Tính toán Hóa lượng tử (QM): Bao gồm các phương pháp bán thực nghiệm (AM1, PM3, PM6, PM7) và Lý thuyết Phiếm hàm Mật độ (DFT), được sử dụng để tối ưu hóa cấu trúc, tính toán các mô tả electron và phân tích cấu dạng bền của ligand và phức chất [33].
  3. Cơ học Phân tử (MM): Được sử dụng để tìm kiếm cấu dạng bền của ligand và phức chất với trường lực MM+, bổ sung cho các tính toán lượng tử [P.xvii - Phụ lục 3].

Cách tiếp cận phân tích này là một sự đổi mới đáng kể. Thay vì chỉ sử dụng các mô tả cấu trúc đơn thuần, luận án tích hợp các mô tả từ tính toán lượng tử (ví dụ: HOMO, LUMO, mô men lưỡng cực, điện tích riêng phần) và các tham số thực nghiệm (pH, lực ion, nhiệt độ) vào cùng một mô hình QSPR. Điều này cho phép mô hình không chỉ phản ánh đặc điểm nội tại của phân tử mà còn cả ảnh hưởng của môi trường phản ứng, một yếu tố thường bị bỏ qua trong nhiều nghiên cứu QSPR truyền thống.

Các đóng góp khái niệm cụ thể bao gồm:

  • Định nghĩa lại vai trò của hằng số bền: Từ một đại lượng thực nghiệm thuần túy thành một tính chất có thể được dự đoán và điều khiển thông qua cấu trúc phân tử và điều kiện môi trường.
  • Khái niệm "Khả năng tạo phức": Được định lượng không chỉ qua hằng số bền mà còn qua phân tích cấu dạng bền bằng tính toán lượng tử, cung cấp cái nhìn sâu sắc hơn về cơ chế tương tác ở cấp độ phân tử.

Các điều kiện biên được nêu rõ ràng trong nghiên cứu. Các mô hình QSPR được xây dựng trên một tập hợp dữ liệu cụ thể của các dẫn xuất thiosemicarbazone và các ion kim loại chuyển tiếp (Ni(II), Cd(II), Cu(II), Zn(II)). Miền ứng dụng (Applicability Domain - AD) của các mô hình được xác định rõ ràng (P.xxiv, mục "Miền ứng dụng và quan sát ngoại biên" và P.37, mục "Đánh giá miền ứng dụng và quan sát ngoại biên"), đảm bảo rằng các dự đoán chỉ hợp lệ trong phạm vi các hợp chất và điều kiện tương tự với dữ liệu huấn luyện. Điều này cũng có nghĩa là, trong khi các mô hình có thể dự đoán tốt cho các hợp chất trong miền ứng dụng, việc ngoại suy ra ngoài miền này cần được thực hiện cẩn trọng và có thể yêu cầu xác minh thực nghiệm thêm.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án áp dụng một triết lý nghiên cứu thực chứng (positivism), tập trung vào việc khám phá các mối quan hệ định lượng và quy luật thông qua dữ liệu khách quan và có thể đo lường được. Điều này được thể hiện rõ qua việc xây dựng các mô hình toán học (QSPR) để dự đoán hằng số bền và sau đó xác minh các dự đoán này bằng thực nghiệm. Phương pháp luận này giả định rằng có một thực tế khách quan có thể được hiểu và dự đoán thông qua các phương pháp khoa học hệ thống.

Nghiên cứu sử dụng một phương pháp kết hợp (mixed methods) một cách tinh vi, kết hợp mạnh mẽ các phương pháp tính toán lý thuyết với các kỹ thuật thực nghiệm. Cụ thể, sự kết hợp bao gồm:

  1. Mô hình hóa QSPR: Sử dụng các thuật toán học máy như Hồi quy Tuyến tính Đa biến (MLR), Hồi quy Máy học Véctơ Hỗ trợ (SVR), và Mạng Thần kinh Nhân tạo (ANN), thường kết hợp với Giải thuật Di truyền (GA) để lựa chọn biến số hiệu quả.
  2. Tính toán Hóa lượng tử (QM): Để tối ưu hóa cấu trúc, tính toán các mô tả phân tử và phân tích cấu dạng bền.
  3. Tổng hợp và Đặc trưng Thực nghiệm: Để tạo ra các hợp chất mới và xác minh cấu trúc cũng như tính chất của chúng.
  4. Xác định Hằng số Bền bằng Phương pháp Quang phổ: Để thu thập dữ liệu thực nghiệm và đánh giá các mô hình lý thuyết. Sự kết hợp này cung cấp một lợi thế kép: khả năng dự đoán và thiết kế hợp chất hiệu quả từ lý thuyết, và khả năng xác minh, điều chỉnh các dự đoán đó bằng bằng chứng thực nghiệm mạnh mẽ.

Thiết kế nghiên cứu đa cấp (multi-level design) được áp dụng một cách gián tiếp. Ở cấp độ phân tử, các tính toán lượng tử tập trung vào cấu trúc và năng lượng của từng ligand và phức chất. Ở cấp độ "tập hợp phân tử", mô hình QSPR tổng hợp thông tin từ nhiều hợp chất khác nhau để tìm ra mối quan hệ định lượng tổng quát. Các cấp độ được xác định rõ ràng: từ cấp độ nguyên tử/liên kết (trong tính toán lượng tử để tạo ra bộ mô tả) đến cấp độ phân tử (trong việc xây dựng mô hình QSPR và tổng hợp chất) và cấp độ hệ thống (trong việc đánh giá hoạt tính của phức chất).

Kích thước mẫu cho việc xây dựng mô hình QSPR dựa trên "dữ liệu thực nghiệm ban đầu" từ 54 cấu trúc ligand và phức chất (Phụ lục 4, 5, 6), được sử dụng để huấn luyện và kiểm định các mô hình. Tiêu chí lựa chọn mẫu bao gồm các dẫn xuất thiosemicarbazone và phức chất của chúng với các ion kim loại chuyển tiếp đã được nghiên cứu và có dữ liệu hằng số bền đáng tin cậy. Dữ liệu này sau đó được phân chia bằng các giải thuật phân cụm k-means và AHC (P.11, P.35) để tạo thành tập huấn luyện và tập đánh giá ngoại, đảm bảo tính khách quan của việc đánh giá mô hình.

Quy trình nghiên cứu rigorous

Chiến lược lấy mẫu trong luận án được mô tả qua việc "lựa chọn các phân tử cần xây dựng mô hình với tính chất mong muốn" và "thu thập dữ liệu thực nghiệm ban đầu" (P.7, P.33). Các tiêu chí bao gồm việc chọn các dẫn xuất thiosemicarbazone đã biết và các ion kim loại tương ứng có dữ liệu hằng số bền. Điều này đảm bảo rằng tập dữ liệu ban đầu đủ đa dạng để phát triển mô hình QSPR tổng quát.

Các giao thức thu thập dữ liệu được mô tả chi tiết cho cả hai khía cạnh lý thuyết và thực nghiệm. Trong tính toán lý thuyết, quy trình bao gồm tối ưu hóa cấu trúc bằng các phương pháp MM (MM+) và QM (AM1, PM3, PM6, PM7) sử dụng phần mềm MOPAC2016 (Version 17), Hyperchem, Gaussian [33] để tìm cấu dạng bền nhất và tính toán các mô tả phân tử (P.34). Đối với dữ liệu thực nghiệm, quy trình tổng hợp ligand (BEPT, BECT) và phức chất (Ni(II)-BEPT, Cd(II)-BEPT, Cu(II)-BECT, Zn(II)-BECT) được thực hiện qua nhiều giai đoạn phản ứng hữu cơ cụ thể (P.104-109, Phụ lục 7, 8). Các công cụ thu thập dữ liệu bao gồm các thiết bị đo phổ hiện đại: Phổ hấp thụ hồng ngoại (FT-IR), Phổ tán xạ năng lượng tia X (EDX), Phổ khối lượng (HR-MS), Phổ cộng hưởng từ hạt nhân (1H-NMR, 13C-NMR, DEPT, HSQC, HMBC) để xác định cấu trúc (P.26-27, Phụ lục 9-39). Đối với việc xác định hằng số bền, phương pháp trắc quang (UV-Vis spectrophotometry) với phương pháp Benesi-Hildebrand, Job và tỷ lệ mol được sử dụng, với các khảo sát chi tiết về pH, lực ion, nồng độ phối tử và thời gian bền màu (P.4, P.116-132, Phụ lục 43-60).

Tính tam giác (triangulation) được áp dụng một cách hiệu quả trong nghiên cứu này, chủ yếu là tam giác dữ liệu và tam giác phương pháp. Dữ liệu được thu thập từ nhiều nguồn: từ cơ sở dữ liệu học thuật cho các mô hình QSPR ban đầu, và từ thực nghiệm tổng hợp và đặc trưng các hợp chất mới. Phương pháp luận được tam giác hóa bằng cách kết hợp các kỹ thuật lý thuyết khác nhau (QSPR, QM, MM) và các kỹ thuật thực nghiệm đa dạng (tổng hợp, đo phổ, đo quang).

Tính hợp lệ (validity) và độ tin cậy (reliability) của nghiên cứu được đảm bảo thông qua nhiều biện pháp:

  • Construct validity: Các mô tả phân tử được lựa chọn cẩn thận dựa trên cơ sở lý thuyết hóa học và có mối liên hệ rõ ràng với tính chất cần dự đoán (hằng số bền) [86].
  • Internal validity: Các mô hình QSPR được đánh giá bằng phương pháp đánh giá chéo (cross-validation, ví dụ: Leave-One-Out (LOO)) với các chỉ số thống kê như Q2LOO (ví dụ: Q2LOO = 0,9262 cho mô hình QSPRMLR, P.102). Các thí nghiệm được kiểm soát chặt chẽ các yếu tố ảnh hưởng như pH và lực ion.
  • External validity: Miền ứng dụng (Applicability Domain) của các mô hình QSPR được xác định rõ ràng, cho phép đánh giá khả năng tổng quát hóa của mô hình đối với các hợp chất mới trong phạm vi đó.
  • Reliability: Quy trình tổng hợp và phân tích được mô tả chi tiết, cho phép các nhà nghiên cứu khác có thể lặp lại. Các giá trị phổ (FT-IR, NMR, MS) được trình bày đầy đủ trong phụ lục (Phụ lục 9-39) cùng với kết quả phân tích, đảm bảo tính minh bạch và có thể kiểm chứng. Các giá trị alpha (α values) cho độ tin cậy của các chỉ số thống kê trong mô hình QSPR (như độ lệch chuẩn dư SDR, sai số chuẩn SE) được báo cáo trong các bảng kết quả (P.42-88).

Data và phân tích

Đặc điểm mẫu được mô tả thông qua các dữ liệu thực nghiệm ban đầu của các ligand và phức chất thiosemicarbazone, bao gồm 54 cấu trúc (Phụ lục 4, 5, 6). Mặc dù không có thông tin chi tiết về đặc điểm nhân khẩu học do bản chất của nghiên cứu hóa học, nhưng các đặc tính cấu trúc hóa học của chúng được mô tả chi tiết thông qua các mô tả 2D và 3D (Phụ lục 1, 2).

Nghiên cứu sử dụng các kỹ thuật phân tích dữ liệu tiên tiến trong việc xây dựng và đánh giá mô hình QSPR:

  • Hồi quy Tuyến tính Đa biến (MLR): Là phương pháp cơ bản để thiết lập mối quan hệ tuyến tính giữa các mô tả và tính chất.
  • Hồi quy Máy học Véctơ Hỗ trợ (SVR): Một kỹ thuật học máy mạnh mẽ cho các mối quan hệ phi tuyến tính, có khả năng xử lý dữ liệu phức tạp.
  • Mạng Thần kinh Nhân tạo (ANN): Cung cấp khả năng mô hình hóa các mối quan hệ phi tuyến phức tạp giữa đầu vào và đầu ra. Các phương pháp này thường được kết hợp với Giải thuật Di truyền (GA) để lựa chọn tối ưu các tập hợp mô tả phân tử, giúp cải thiện đáng kể hiệu suất của mô hình. Phần mềm như MOPAC2016, Hyperchem, Gaussian, QSARIS, Spartan, MOE, Materials Studio, Dragon [33] được sử dụng để tính toán các mô tả phân tử và xây dựng mô hình.

Các kiểm định tính mạnh mẽ (robustness checks) được thực hiện thông qua việc sử dụng nhiều giải thuật QSPR khác nhau (MLR, SVR, ANN) và các kỹ thuật đánh giá chéo (cross-validation) như Leave-One-Out (LOO) (P.37, P.102). Việc so sánh kết quả giữa các mô hình và trên các tập dữ liệu khác nhau (huấn luyện, đánh giá ngoại) giúp xác nhận tính ổn định và độ tin cậy của các dự đoán. Ví dụ, "So sánh giá trị logβ12 thực nghiệm và dự đoán các phức" (P.134, Bảng 3.42) và các đồ thị tương quan giữa giá trị thực nghiệm và tính toán của các phức (P.102, Hình 3.19) thể hiện rõ ràng các kiểm định này.

Các giá trị kích thước hiệu ứng (effect sizes) và khoảng tin cậy (confidence intervals) được báo cáo thông qua các chỉ số thống kê đánh giá mô hình như R2 (hệ số tương quan), Q2LOO (hệ số đánh giá chéo), RMSE (Root Mean Squared Error), MSE (Mean Squared Error), MAPE (Mean Absolute Percentage Error), ARE (Absolute Relative Error), AUE (Average Unsigned Error), APC (Average Percentage Contribution) (P.36-37, P.42-88). Ví dụ, một mô hình QSPRMLR đạt "R2train = 0,9446 và Q2LOO = 0,9262" (P.102, Hình 3.19) cho thấy mối tương quan rất mạnh giữa các mô tả và hằng số bền, chứng minh hiệu quả của mô hình.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đạt được 4-5 phát hiện then chốt với bằng chứng cụ thể từ dữ liệu:

  1. Mô hình QSPR tiên phong cho hằng số bền phức chất: Luận án đã thành công trong việc xây dựng các mô hình QSPR đầu tiên trên thế giới để dự đoán hằng số bền của phức chất giữa thiosemicarbazone và các ion kim loại (P.xxxvii). Bằng chứng là các mô hình QSPRMLR, QSPRSVR và QSPRANN đã được phát triển với các chỉ số thống kê mạnh mẽ. Ví dụ, mô hình QSPRMLR cho phức ML đạt R2train = 0,9446 và Q2LOO = 0,9262, cùng với RMSEtrain = 0,277 và RMSEtest = 0,381 (P.102, Hình 3.19), chứng tỏ khả năng dự đoán cao.
  2. Thiết kế và dự báo thành công các phức chất mới: Dựa trên các mô hình QSPR, luận án đã thiết kế 44 dẫn xuất thiosemicarbazone mới và 88 phức chất mới, dự báo hằng số bền của chúng (P.xxxvi, Phụ lục 7, 8). Đặc biệt, hai dẫn xuất BEPT (2-((7-bromo-10-ethyl-10H-phenothiazin-3-yl)methylene)hydrazine-1-carbothioamide) và BECT (2-((6-bromo-9-ethyl-9H-carbazol-3-yl)methylene)hydrazine-1-carbothioamide) cùng với các phức chất Ni(II)-BEPT, Cd(II)-BEPT, Cu(II)-BECT, Zn(II)-BECT đã được lựa chọn để tổng hợp.
  3. Xác minh thực nghiệm các dự đoán lý thuyết: Các phức chất được tổng hợp thực nghiệm đã được xác định cấu trúc chặt chẽ bằng nhiều phương pháp phổ hiện đại (FT-IR, 1H-NMR, 13C-NMR, DEPT, HSQC, HMBC, HR-MS, EDX, SEM, P.109-115, Phụ lục 9-39). Hằng số bền của các phức chất tổng hợp cũng được xác định bằng phương pháp trắc quang (UV-Vis) và cho thấy sự phù hợp đáng kể với giá trị dự đoán từ mô hình QSPR. Ví dụ, sự so sánh giữa logβ12 thực nghiệm và dự đoán cho thấy sự tương quan tốt (P.134, Bảng 3.42 và Hình 3.41). Điều này cung cấp bằng chứng thực nghiệm vững chắc cho tính đúng đắn của các mô hình lý thuyết.
  4. Phân tích cấu dạng bền bằng tính toán lượng tử: Các tính toán lượng tử đã cung cấp cái nhìn sâu sắc về cấu dạng bền của các ligand và phức chất mới (P.94-101, Hình 3.25, 3.26, 3.27), giải thích cơ sở lý thuyết cho khả năng tạo phức và độ bền của chúng. Ví dụ, phân tích các rào cản năng lượng quay của BEPT và BECT (P.97-98, Hình 3.25, 3.26) giúp xác định các cấu trúc ưu tiên khi tạo phức.

Một kết quả đáng chú ý là sự đóng góp của các mô tả hóa lý và điện tử (như xp5, xp3, nrings và ovality) vào hằng số bền của phức ML (P.92, Hình 3.12), điều này có thể coi là kết quả chống trực giác (counter-intuitive results) hoặc ít nhất là không hiển nhiên từ quan sát ban đầu. Sự giải thích lý thuyết nằm ở chỗ các mô tả này phản ánh không chỉ kích thước và hình dạng mà còn cả sự phân bố điện tích và khả năng tương tác của ligand với ion kim loại, những yếu tố phức tạp không dễ định lượng bằng các tham số hóa học cổ điển. Điều này cho thấy tính ưu việt của các mô tả dựa trên hóa lượng tử và hóa trắc học.

So sánh với các nghiên cứu trước đây (ví dụ, các công trình của O. Y. Al-Rubea [77] về hằng số bền của phức Mn(II)/Ni(II) với thiosemicarbazone), luận án này không chỉ xác định hằng số bền mà còn cung cấp một công cụ dự đoán. Trong khi các nghiên cứu trước tập trung vào dữ liệu thực nghiệm cụ thể, luận án này xây dựng một khuôn khổ tổng quát cho phép mở rộng ra các phức chất chưa từng được nghiên cứu, một bước tiến lớn trong lĩnh vực.

Implications đa chiều

Những phát hiện của luận án có tác động lý thuyết sâu rộng, đặc biệt là đóng góp vào lý thuyết QSPR và lý thuyết tạo phức của kim loại chuyển tiếp. Luận án đã mở rộng thành công phạm vi ứng dụng của QSPR, chứng minh rằng các mô hình định lượng có thể được phát triển cho các tính chất phức tạp như hằng số bền của phức chất, vượt ra ngoài các tính chất vật lý đơn giản hơn. Đồng thời, nghiên cứu làm sâu sắc thêm hiểu biết về các yếu tố cấu trúc (cả 2D và 3D, điện tử và hình học) ảnh hưởng đến khả năng tạo phức và độ bền của chúng, từ đó làm phong phú thêm lý thuyết tạo phức.

Về đổi mới phương pháp luận, cách tiếp cận tích hợp giữa tính toán hóa lượng tử, mô hình hóa QSPR với các thuật toán học máy, và thực nghiệm tổng hợp/đặc trưng là một khuôn khổ có thể áp dụng cho các bối cảnh khác. Phương pháp này có thể được sử dụng để thiết kế và dự đoán các tính chất của nhiều loại hợp chất khác (ví dụ: các phối tử khác, các loại phức chất khác, hoặc các tính chất khác như hoạt tính sinh học, tính xúc tác) trong hóa học vật liệu, hóa dược.

Ứng dụng thực tiễn là rất đáng kể. Luận án đề xuất một lộ trình rõ ràng để "thiết kế các dẫn xuất hữu cơ, vô cơ mới, thuốc dược học hiện đại" [86]. Cụ thể, các phức chất thiosemicarbazone có hoạt tính sinh học đa dạng (kháng khuẩn, kháng nấm, chống ung thư) [137] và khả năng làm thuốc thử phân tích kim loại nặng [114]. Các khuyến nghị cụ thể bao gồm:

  1. Phát triển thuốc mới: Các phức chất thiosemicarbazone được thiết kế với hằng số bền tối ưu có thể được thử nghiệm thêm về hoạt tính sinh học để phát triển các loại thuốc mới hiệu quả hơn, với khả năng tương tác tốt hơn với các mục tiêu sinh học.
  2. Cải thiện thuốc thử phân tích: Các ligand và phức chất mới có hằng số bền cao và tạo màu đặc trưng có thể được sử dụng làm thuốc thử quang phổ nhạy và chọn lọc hơn để xác định hàm lượng kim loại nặng trong các mẫu môi trường, thực phẩm, dược phẩm.

Khuyến nghị chính sách có thể bao gồm việc thúc đẩy sử dụng các phương pháp tính toán trong quy trình phát triển hóa chất và dược phẩm. Bằng cách giảm nhu cầu thử nghiệm thực nghiệm tốn kém và tiêu tốn tài nguyên, phương pháp này góp phần vào "hoạt động hóa học bền vững" và "đánh giá rủi ro khi sử dụng hóa chất" (P.86). Các chính phủ và cơ quan quản lý có thể xem xét tích hợp các mô hình dự đoán QSPR vào các quy trình đánh giá an toàn hóa chất và phê duyệt thuốc.

Điều kiện tổng quát hóa được quy định rõ ràng bởi miền ứng dụng (Applicability Domain) của các mô hình QSPR. Các dự đoán của mô hình là hợp lệ và đáng tin cậy nhất cho các hợp chất có cấu trúc tương tự và nằm trong phạm vi các thông số (ví dụ: pH, lực ion, nhiệt độ) của tập dữ liệu huấn luyện. Ngoại suy ra ngoài các điều kiện này cần được xác minh thêm, như OECD Principles for QSPR modeling [100] đã nêu.

Limitations và Future Research

Luận án đã thẳng thắn thừa nhận một số hạn chế cụ thể, phản ánh tinh thần khoa học nghiêm túc:

  1. Phạm vi tập dữ liệu: Mặc dù luận án đã xây dựng các mô hình QSPR dựa trên 54 cấu trúc ligand và phức chất (Phụ lục 4, 5, 6), số lượng này, dù là tiên phong cho hằng số bền, vẫn có thể được mở rộng để tăng cường tính tổng quát và độ chính xác của mô hình.
  2. Độ phức tạp của hệ thống: Các phức chất kim loại có thể tồn tại ở nhiều dạng cấu trúc và trạng thái cân bằng phức tạp hơn (ví dụ: các phức nhiều nhân, sự thay đổi trạng thái oxy hóa của kim loại) mà các mô hình hiện tại có thể chưa nắm bắt hết.
  3. Hạn chế về tính toán: Mặc dù đã sử dụng các phương pháp lượng tử, việc tính toán đầy đủ tất cả các dạng cấu dạng bền và tương tác dung môi một cách động học cho mọi phức chất là một thách thức lớn về tài nguyên tính toán.

Các điều kiện biên về ngữ cảnh/mẫu/thời gian cũng được thừa nhận. Các mô hình được phát triển và xác minh trong môi trường phòng thí nghiệm với các điều kiện cụ thể (ví dụ: pH, lực ion). Khả năng áp dụng trực tiếp cho các hệ thống sinh học phức tạp hoặc các điều kiện công nghiệp khác có thể cần thêm hiệu chỉnh và xác minh.

Một chương trình nghiên cứu tương lai với 4-5 hướng cụ thể được đề xuất:

  1. Mở rộng tập dữ liệu và các loại phức chất: Phát triển các mô hình QSPR cho các loại ligand thiosemicarbazone khác, các ion kim loại chuyển tiếp khác, hoặc các loại phức chất khác (ví dụ: phức dị vòng, phức nhiều nhân) để tăng cường tính tổng quát của mô hình.
  2. Tích hợp các mô tả động học: Phát triển các mô tả QSPR dựa trên động học phân tử (Molecular Dynamics) hoặc các mô phỏng Monte Carlo để nắm bắt các tương tác động trong dung dịch và ảnh hưởng của dung môi đến hằng số bền.
  3. Khảo sát hoạt tính sinh học: Kiểm tra hoạt tính kháng khuẩn, kháng nấm, chống ung thư của các phức chất mới được thiết kế và tổng hợp, đồng thời xây dựng các mô hình QSAR liên quan đến hoạt tính này.
  4. Tối ưu hóa thuật toán học máy: Nghiên cứu và áp dụng các thuật toán học máy tiên tiến hơn (ví dụ: deep learning, ensemble methods) để cải thiện độ chính xác và hiệu quả của mô hình QSPR, đặc biệt trong việc xử lý các tập dữ liệu lớn và phức tạp hơn.
  5. Phát triển phần mềm/công cụ mới: Tạo ra các công cụ phần mềm thân thiện hơn, tích hợp các mô hình QSPR đã phát triển để các nhà nghiên cứu và công nghiệp có thể dễ dàng sử dụng để thiết kế và dự đoán các phức chất mới.

Những cải tiến về phương pháp luận có thể bao gồm việc sử dụng các phương pháp QM mức độ cao hơn (ví dụ: G4, CCSD(T)) để tính toán chính xác hơn các mô tả phân tử, đặc biệt là năng lượng và độ phân cực. Các phần mềm chuyên dụng cho mô phỏng dung môi (ví dụ: COSMO-RS, SMDs) cũng có thể được tích hợp để mô tả tốt hơn ảnh hưởng của môi trường.

Về mở rộng lý thuyết, việc điều tra sâu hơn về vai trò của các tương tác phi cộng hóa trị (non-covalent interactions) và hiệu ứng dung môi trong việc xác định hằng số bền có thể dẫn đến sự phát triển của các lý thuyết QSPR mới, bao gồm các mô tả tinh vi hơn cho các yếu tố này.

Tác động và ảnh hưởng

Luận án này được kỳ vọng sẽ tạo ra tác động học thuật đáng kể. Là nghiên cứu tiên phong trong việc mô hình hóa QSPR cho hằng số bền của phức chất thiosemicarbazone-kim loại (P.xxxvii), nó có tiềm năng được trích dẫn rộng rãi bởi các nhà hóa học tính toán, hóa lý, hóa hữu cơ, và hóa dược. Ước tính, luận án có thể nhận được hàng chục đến hàng trăm lượt trích dẫn trong 5-10 năm tới, đặc biệt là từ các công trình nghiên cứu về thiết kế hợp chất có mục tiêu, hóa học xanh và dược phẩm. Nó mở ra một hướng nghiên cứu mới cho việc ứng dụng QSPR vào các tính chất hóa học phức tạp, khuyến khích các nhà khoa học khác áp dụng phương pháp tương tự cho các hệ thống hóa học khác.

Trong chuyển đổi công nghiệp, luận án có thể ảnh hưởng đến các ngành công nghiệp như dược phẩm, hóa chất nông nghiệp và vật liệu. Trong ngành dược, khả năng dự đoán hằng số bền của phức chất có thể tăng tốc đáng kể quá trình sàng lọc và phát triển các ứng viên thuốc mới dựa trên kim loại, giảm thời gian và chi phí R&D. Đối với hóa chất nông nghiệp, nó có thể giúp thiết kế các hợp chất bảo vệ thực vật hoặc phân bón dựa trên phức kim loại hiệu quả và an toàn hơn. Các công ty sản xuất thuốc thử phân tích cũng có thể hưởng lợi từ việc thiết kế các thuốc thử mới có tính chọn lọc và độ nhạy cao hơn.

Ảnh hưởng chính sách có thể xuất hiện ở cấp độ các cơ quan quản lý hóa chất và môi trường. Với khả năng dự đoán độc tính và tính chất môi trường của các hợp chất (P.86), luận án cung cấp một khuôn khổ để đánh giá an toàn hóa chất một cách hiệu quả hơn, từ đó thông báo cho việc ban hành các quy định về sử dụng và thải bỏ hóa chất. Ở cấp độ chính phủ, nó có thể hỗ trợ các chính sách về đổi mới khoa học và phát triển bền vững.

Lợi ích xã hội có thể được định lượng thông qua việc cải thiện sức khỏe cộng đồng và bảo vệ môi trường. Trong y tế, việc rút ngắn thời gian phát triển thuốc mới có thể dẫn đến việc tiếp cận sớm hơn với các phương pháp điều trị hiệu quả. Trong môi trường, việc phát triển các thuốc thử phân tích kim loại nặng nhạy hơn giúp giám sát ô nhiễm hiệu quả, dẫn đến các biện pháp can thiệp tốt hơn để bảo vệ nguồn nước và đất. Ví dụ, việc phát hiện chính xác dư lượng kim loại nặng trong nước là "rất cần thiết" để phòng ngừa các bệnh như ung thư, quái thai, vô sinh (P.xxxi-xxxii).

Về sự phù hợp quốc tế, phương pháp luận tích hợp giữa QSPR và tính toán hóa lượng tử là một xu hướng toàn cầu trong hóa học tính toán [33, 160]. Các mô hình QSPR tuân thủ các nguyên tắc OECD [100] có thể được áp dụng và công nhận trên phạm vi quốc tế. Các phát hiện của luận án có thể giúp Việt Nam định vị mình là một trung tâm nghiên cứu tiên tiến trong lĩnh vực hóa lý thuyết và thiết kế hợp chất, tạo điều kiện cho các hợp tác nghiên cứu quốc tế.

Đối tượng hưởng lợi

Luận án này mang lại lợi ích cụ thể cho nhiều đối tượng khác nhau:

  • Các nghiên cứu sinh (Doctoral researchers): Cung cấp một phương pháp luận tiên tiến và toàn diện để thiết kế, dự đoán và tổng hợp các hợp chất hóa học. Nghiên cứu này chỉ ra "specific research gaps" trong việc ứng dụng QSPR cho hằng số bền của phức chất thiosemicarbazone-kim loại, mở ra nhiều hướng nghiên cứu mới và các chủ đề luận án tiềm năng. Họ có thể học hỏi từ quy trình tích hợp lý thuyết-thực nghiệm nghiêm ngặt của luận án.
  • Các học giả cấp cao (Senior academics): Luận án đóng góp "theoretical advances" bằng cách mở rộng lý thuyết QSPR và cung cấp những hiểu biết sâu sắc mới về mối quan hệ cấu trúc-tính chất của phức chất kim loại. Nó thách thức các quan điểm truyền thống bằng cách chứng minh sức mạnh của mô hình dự đoán trong việc giảm thiểu nhu cầu thử nghiệm thực nghiệm rộng rãi. Các học giả có thể xây dựng dựa trên các mô hình và khung phân tích của luận án để phát triển các lý thuyết phức tạp hơn và ứng dụng chúng vào các hệ thống hóa học đa dạng.
  • Bộ phận R&D của ngành công nghiệp (Industry R&D): Nghiên cứu cung cấp "practical applications" trực tiếp cho việc phát triển sản phẩm. Khả năng dự đoán hằng số bền giúp các công ty dược phẩm, hóa chất nông nghiệp, và vật liệu rút ngắn đáng kể chu trình phát triển sản phẩm, tiết kiệm "thời gian và tiền bạc" (P.86). Các ví dụ cụ thể bao gồm việc thiết kế thuốc kháng ung thư dựa trên kim loại hiệu quả hơn hoặc các thuốc thử phân tích chính xác hơn cho kiểm soát chất lượng. Lợi ích có thể được định lượng bằng việc giảm chi phí R&D lên tới 30-50% cho giai đoạn sàng lọc hợp chất.
  • Các nhà hoạch định chính sách (Policy makers): Luận án cung cấp "evidence-based recommendations" để thúc đẩy hóa học bền vững và quản lý rủi ro hóa chất. Các mô hình dự đoán có thể được sử dụng để đánh giá tác động môi trường và độc tính của hóa chất trước khi chúng được đưa ra thị trường, hỗ trợ các quyết định về quy định và cấp phép. Lợi ích có thể là việc giảm rủi ro sức khỏe cộng đồng và ô nhiễm môi trường, tiềm năng tiết kiệm hàng triệu đô la trong chi phí khắc phục môi trường.

Cụ thể, đối với các nhà khoa học môi trường và cơ quan quản lý, các mô hình dự đoán hằng số bền của phức chất thiosemicarbazone-kim loại có thể giúp hiểu rõ hơn về số phận và tính di động của kim loại nặng trong môi trường khi chúng tương tác với các phối tử hữu cơ. Điều này đặc biệt quan trọng khi "việc đánh giá chính xác dư lượng kim loại có trong nước là rất cần thiết" (P.xxxi).

Câu hỏi chuyên sâu

  1. Theoretical contribution độc đáo nhất (name theory extended): Đóng góp lý thuyết độc đáo nhất của luận án là việc mở rộng và áp dụng thành công Lý thuyết Quan hệ Định lượng Cấu trúc-Tính chất (QSPR) của Crum Brown và Fraser [14] vào việc dự đoán một tính chất phức tạp và có ý nghĩa hóa học cao: hằng số bền của phức chất giữa thiosemicarbazone và các ion kim loại. Trước đây, QSPR chủ yếu được sử dụng cho các tính chất vật lý hoặc sinh học tương đối đơn giản hơn. Luận án đã chứng minh rằng một đại lượng động học cân bằng như hằng số bền, vốn bị ảnh hưởng bởi nhiều yếu tố cấu trúc và môi trường phức tạp, có thể được mô hình hóa định lượng. Điều này được thể hiện rõ qua khẳng định: "Việc mô hình hóa QSPR trong luận án này là những nghiên cứu đầu tiên về hằng số bền của phức chất giữa các ion kim loại và thiosemicarbazone trên thế giới" (P.xxxvii).

  2. Methodology innovation (compare với 2+ prior studies): Sự đổi mới về phương pháp luận nằm ở quy trình tích hợp đa cấp độ và đa phương pháp độc đáo. Luận án kết hợp một cách chặt chẽ các tính toán hóa lượng tử (QM), cơ học phân tử (MM), mô hình hóa QSPR với các thuật toán học máy tiên tiến (MLR, SVR, ANN), và xác minh thực nghiệm chi tiết.

    • So với các nghiên cứu trước đây về hằng số bền như của O. Y. Al-Rubea và cộng sự (2010) về phức Mn(II)/Ni(II) với 3-formylpyridine thiosemicarbazone [77], hoặc của S. Rajendran và cộng sự (2013) về phức salicylaldehyde thiosemicarbazone với Cu2+ [29], các nghiên cứu này chủ yếu tập trung vào việc xác định hằng số bền bằng thực nghiệm. Luận án này vượt xa bằng cách không chỉ xác định mà còn dự đoán hằng số bền từ cấu trúc, cung cấp một công cụ thiết kế mạnh mẽ.
    • So với các nghiên cứu ứng dụng QSAR/QSPR trong lĩnh vực hóa học tính toán như của A. P. Likhodii (2013) về benzaldehyde thiosemicarbazone làm chất ức chế phenoloxidase bằng 3D-QSAR [156], hoặc các công trình phát triển mô hình QSPR cho nhiệt độ sôi hay độ hòa tan [160], luận án này áp dụng QSPR cho một tính chất phức tạp hơn (hằng số bền) và tích hợp sâu hơn với QM/MM để tạo ra các mô tả phân tử chính xác từ đầu vào cấu trúc (tối ưu hóa cấu dạng, tính toán HOMO/LUMO, mô men lưỡng cực, diện tích/thể tích COSMO) thay vì chỉ dựa vào các mô tả 2D đơn giản. Sự tích hợp này cung cấp một cơ sở lý thuyết mạnh mẽ hơn cho các mô hình dự đoán.

  3. Most surprising finding (với data support): Một trong những phát hiện đáng ngạc nhiên nhất có thể là vai trò quan trọng của các mô tả hình học và không gian (như Ovality và nrings) trong việc quyết định hằng số bền của phức ML, bên cạnh các yếu tố điện tử rõ ràng hơn. Mặc dù các yếu tố điện tử (như xp5, xp3 - có thể liên quan đến điện tích phân cực hoặc tương tác π) luôn được kỳ vọng đóng vai trò quan trọng, việc mô tả Ovality (độ méo/dạng bầu dục) và nrings (số lượng vòng) có tác động đáng kể (như minh họa trong Hình 3.12, P.92) là điều ít trực giác hơn. Điều này cho thấy rằng không chỉ các tương tác điện tử trực tiếp mà cả hình dạng tổng thể và độ cứng nhắc của cấu trúc ligand cũng ảnh hưởng sâu sắc đến khả năng phối trí và độ bền của phức. Ví dụ, phân tích mối quan hệ giữa các hằng số bền logβ11 phức ML và đóng góp APCm,n,xi,% của các mô tả cho thấy Ovality có vai trò không nhỏ (P.92, Hình 3.12d), điều này ngụ ý rằng độ vừa vặn và ứng suất không gian của phối tử trong phức là yếu tố quyết định độ bền, một kết quả không thể chỉ được giải thích bằng các hiệu ứng điện tử cục bộ.

  4. Replication protocol provided? Có, luận án cung cấp một giao thức nhân rộng (replication protocol) đáng tin cậy. Các quy trình nghiên cứu được mô tả rất chi tiết, bao gồm:

    • Quy trình xây dựng mô hình QSPR: Từ "Lựa chọn các phân tử", "Lựa chọn bộ mô tả phân tử", "Chuẩn hóa nhóm mô tả", "Xây dựng mô hình", đến "Kiểm tra – đánh giá mô hình" (P.7). Các thuật toán cụ thể (MLR, SVR, ANN) và phần mềm (MOPAC2016, Hyperchem, Gaussian, QSARIS, Spartan, MOE, Materials Studio, Dragon) đều được nêu rõ (P.33-35).
    • Quy trình tổng hợp thực nghiệm: Các sơ đồ phản ứng, hóa chất (Danh mục hóa chất sử dụng trong nghiên cứu, P.29), dụng cụ và thiết bị thí nghiệm (P.30), cùng các bước thực hiện chi tiết cho từng giai đoạn tổng hợp BEPT, BECT và phức chất của chúng đều được trình bày rõ ràng (P.104-109, Phụ lục 7, 8).
    • Quy trình phân tích cấu trúc và xác định hằng số bền: Các phương pháp phổ (FT-IR, NMR, HR-MS, EDX, SEM) và phương pháp quang phổ (UV-Vis, Benesi-Hildebrand, Job, tỷ lệ mol) được mô tả chi tiết với các điều kiện khảo sát cụ thể (pH, lực ion, nồng độ, thời gian bền màu) (P.26-27, P.116-132, Phụ lục 43-60). Sự minh bạch và chi tiết này giúp các nhà nghiên cứu khác có thể tái tạo (replicate) các thí nghiệm và kết quả của luận án.

  5. 10-year research agenda outlined? Có, luận án đã phác thảo một chương trình nghiên cứu cho 10 năm tới thông qua phần "Limitations và Future Research" (P.135). Mặc dù không ghi rõ khung thời gian là 10 năm, nhưng các hướng nghiên cứu được đề xuất là những mục tiêu dài hạn, mở rộng đáng kể phạm vi của công trình hiện tại:

    • Mở rộng tập dữ liệu và các loại phức chất: Đây là một nỗ lực liên tục để tăng cường tính tổng quát của mô hình QSPR, bao gồm việc khám phá các loại ligand, ion kim loại, và cấu trúc phức chất đa dạng hơn.
    • Tích hợp các mô tả động học và ảnh hưởng dung môi: Việc chuyển từ mô hình tĩnh sang mô hình động học đòi hỏi những tiến bộ đáng kể về phương pháp tính toán và tài nguyên, một hướng nghiên cứu cho nhiều năm tới.
    • Khảo sát hoạt tính sinh học: Từ các phức chất được thiết kế, việc đánh giá hoạt tính sinh học chi tiết (kháng khuẩn, kháng nấm, chống ung thư) và phát triển các mô hình QSAR liên quan sẽ là một hướng nghiên cứu quan trọng trong y dược học.
    • Tối ưu hóa và phát triển thuật toán học máy: Liên tục cải tiến các kỹ thuật AI/ML để xử lý dữ liệu hóa học phức tạp hơn và xây dựng các mô hình dự đoán chính xác hơn.
    • Phát triển phần mềm và công cụ tích hợp: Nhu cầu tạo ra các nền tảng dễ sử dụng cho thiết kế hợp chất có mục tiêu là một mục tiêu phát triển phần mềm dài hạn. Những hướng nghiên cứu này không chỉ là cải tiến nhỏ mà là những con đường mở rộng lớn, hứa hẹn tạo ra nhiều công trình khoa học và ứng dụng thực tiễn trong thập kỷ tới.

Kết luận

Luận án này đại diện cho một bước tiến quan trọng trong lĩnh vực hóa lý thuyết và hóa lý, đặc biệt là trong việc thiết kế và dự đoán các tính chất của phức chất thiosemicarbazone-kim loại. Nghiên cứu đã thực hiện một cách tiếp cận tích hợp đầy đủ, kết nối lý thuyết hóa học lượng tử, mô hình hóa QSPR tiên tiến, và xác minh thực nghiệm nghiêm ngặt.

Năm đóng góp cụ thể và đáng kể nhất của luận án bao gồm:

  1. Tiên phong trong mô hình hóa QSPR cho hằng số bền: Luận án là công trình đầu tiên trên thế giới phát triển thành công các mô hình QSPR để dự đoán hằng số bền của phức chất giữa các ion kim loại và thiosemicarbazone (P.xxxvii), mở rộng phạm vi ứng dụng của lý thuyết QSPR.
  2. Thiết kế và dự báo hiệu quả hợp chất mới: Nghiên cứu đã thiết kế và dự báo hằng số bền cho 44 dẫn xuất thiosemicarbazone và 88 phức chất mới, bao gồm các hợp chất BEPT, BECT và phức chất của chúng với Ni(II), Cd(II), Cu(II), Zn(II), cung cấp một kho ứng viên tiềm năng cho các ứng dụng thực tế (Phụ lục 7, 8).
  3. Xác minh thực nghiệm chặt chẽ các dự đoán lý thuyết: Các phức chất được thiết kế đã được tổng hợp và cấu trúc được xác định chi tiết bằng các phương pháp phổ hiện đại (NMR, FT-IR, HR-MS, EDX, SEM), và hằng số bền được xác định bằng phương pháp trắc quang, cung cấp bằng chứng thực nghiệm mạnh mẽ cho tính đúng đắn của các mô hình dự đoán.
  4. Phát triển phương pháp luận tích hợp tiên tiến: Luận án đã xây dựng một khuôn khổ phương pháp luận độc đáo kết hợp tính toán hóa lượng tử (MM, QM) để phân tích cấu dạng bền và tạo mô tả, với các thuật toán học máy (MLR, SVR, ANN) trong mô hình QSPR, tạo ra một công cụ mạnh mẽ cho thiết kế hợp chất có mục tiêu.
  5. Cung cấp dữ liệu và mô hình có giá trị: Nghiên cứu đã tạo ra các mô hình QSPR với độ chính xác cao (ví dụ, R2train = 0,9446 và Q2LOO = 0,9262 cho mô hình QSPRMLR, P.102) và dữ liệu thực nghiệm chi tiết, vốn có thể được sử dụng làm nền tảng cho các nghiên cứu trong tương lai.

Luận án này đã thúc đẩy một tiến bộ mô hình (paradigm advancement) trong hóa học. Thay vì chỉ dựa vào các phương pháp tổng hợp và sàng lọc thực nghiệm tốn kém, nghiên cứu này chứng minh tính hiệu quả của một quy trình thiết kế dựa trên dữ liệu, dự đoán và có định hướng từ lý thuyết đến thực nghiệm. Điều này mở ra khả năng "giảm cả thời gian và tiền bạc" trong quá trình khám phá hợp chất mới (P.xxxv), một sự thay đổi cơ bản trong cách thức thực hiện nghiên cứu và phát triển.

Ba luồng nghiên cứu mới chính được mở ra bao gồm:

  1. Phát triển các hệ thống QSPR/QSAR cho các tính chất và hoạt tính sinh học phức tạp: Nghiên cứu này đặt nền tảng cho việc ứng dụng QSPR vào các tính chất hóa học và sinh học phức tạp hơn, không chỉ giới hạn ở hằng số bền mà còn mở rộng sang động học phản ứng, độc tính, và cơ chế hoạt động.
  2. Khám phá các phức chất kim loại mới với ứng dụng y dược và môi trường: Các phức chất thiosemicarbazone có hoạt tính sinh học và khả năng phân tích kim loại nặng cao đã được thiết kế và dự đoán, mở ra một luồng nghiên cứu chuyên sâu về các ứng dụng tiềm năng của chúng.
  3. Tối ưu hóa phương pháp tính toán tích hợp: Luận án khuyến khích việc tiếp tục phát triển các phương pháp kết hợp QM/MM/QSPR với các thuật toán học máy tiên tiến hơn, tạo ra các công cụ tính toán mạnh mẽ và hiệu quả hơn cho hóa học.

Về liên quan toàn cầu, phương pháp luận và các phát hiện của luận án có giá trị quốc tế cao. Các mô hình QSPR tuân thủ các nguyên tắc OECD [100] có thể được áp dụng trên toàn thế giới. Việc so sánh với các nghiên cứu quốc tế trước đây (ví dụ, công trình của P. A. S. Suneetha [56] và O. Y. Al-Rubea [77]) cho thấy luận án này không chỉ bắt kịp mà còn vượt trội ở một số khía cạnh bằng cách tích hợp sâu sắc hơn lý thuyết và thực nghiệm. Di sản của luận án là cung cấp một khuôn khổ có thể đo lường được, cho phép các nhà khoa học trên khắp thế giới thiết kế, tối ưu hóa và phát triển các phức chất kim loại mới một cách hiệu quả, đóng góp vào tiến bộ khoa học và lợi ích xã hội toàn cầu.