Free Energy, Stability, and Spontaneity

Back to IF3211 Komputasi Domain Spesifik

Free Energy, Stability, and Spontaneity

Questions/Cues

• Apa itu energi bebas Gibbs (ΔG) dan bagaimana ia dihitung dari keadaan awal dan akhir?
• Apa beda reaksi eksergonik dan endergonik?
• Bagaimana ΔG berhubungan dengan stabilitas, kesetimbangan, dan kapasitas kerja?
• Apa itu energy coupling dan peran ATP di dalamnya?
• Bagaimana ΔG dapat dipandang sebagai objective/cost function dalam optimasi?

Reference Points

• IF3211 — Metabolism (PPT 6, bagian Free-Energy Change and Equilibrium)
• IF3211 — Metabolism (PPT 6, bagian Stability dan Spontaneous Change)

Energi Bebas dan Perubahannya (ΔG)

Free energy (energi bebas) adalah porsi energi sebuah sistem yang dapat melakukan kerja ketika suhu dan tekanan seragam di seluruh sistem — kondisi yang berlaku di dalam sel hidup. Perubahan energi bebas selama reaksi kimia, $\Delta G$, didefinisikan sebagai selisih antara energi bebas keadaan akhir dan keadaan awal:

$\Delta G=G_{\text{final state}}-G_{\text{initial state}}$

Aturan kuncinya tegas: hanya reaksi dengan ΔG negatif yang spontan. Reaksi spontan ini dapat dipanen untuk melakukan kerja seluler. Sebaliknya, ΔG positif berarti reaksi tidak akan berjalan sendiri dan butuh pasokan energi.

Eksergonik vs Endergonik

Berdasarkan tanda ΔG, reaksi dibagi dua:

• Reaksi eksergonik (exergonic) — $\Delta G<0$; energi bebas dilepaskan, reaksi spontan, dan dapat melakukan kerja. Contoh: respirasi seluler memecah glukosa.
• Reaksi endergonik (endergonic) — $\Delta G>0$; energi bebas diserap, reaksi nonspontan, dan menuntut input energi. Contoh: sintesis molekul kompleks.

Besar $|\Delta G|$ menunjukkan “berapa banyak” kerja maksimum yang dapat dilakukan (eksergonik) atau dibutuhkan (endergonik).

Stabilitas, Kesetimbangan, dan Spontanitas

Energi bebas adalah ukuran ketidakstabilan sistem — kecenderungannya berubah menuju keadaan yang lebih stabil. Selama perubahan spontan, energi bebas menurun dan stabilitas sistem meningkat. Sistem tidak stabil (G tinggi) cenderung berubah hingga menjadi lebih stabil (G rendah) — bayangkan bola di puncak bukit yang menggelinding ke lembah.

Pada chemical equilibrium (kesetimbangan kimia), laju reaksi maju dan reaksi balik sama; ini adalah keadaan stabilitas maksimum dengan $\Delta G=0$. Konsekuensi penting: sebuah proses bersifat spontan dan dapat melakukan kerja hanya ketika ia sedang bergerak menuju kesetimbangan. Di titik kesetimbangan, tidak ada lagi kerja bersih yang bisa diekstraksi — seperti baterai yang habis. Sel hidup justru tidak pernah mencapai kesetimbangan; ia menjaga jarak dari kesetimbangan dengan terus mengalirkan reaktan dan produk.

Energy Coupling dan ATP

Energy coupling adalah strategi sel untuk menjalankan reaksi endergonik (ΔG > 0) dengan menggandengkannya pada reaksi eksergonik (ΔG < 0) yang lebih besar, sehingga ΔG total negatif. Mata uang energi universal sel adalah ATP (adenosine triphosphate). Hidrolisis ATP menjadi ADP + Pi bersifat sangat eksergonik; energi yang dilepas dipakai untuk “mendorong” reaksi anabolik, transport aktif, dan kerja mekanis. Selama ΔG gabungan tetap negatif, kombinasi reaksi tetap spontan dan dapat berjalan.

Sudut Pandang Komputasi: ΔG sebagai Objective/Cost Function

Bagi mahasiswa informatika, ΔG sangat mirip dengan fungsi objektif (cost/loss) dalam optimasi. Reaksi spontan = pergerakan ke arah menurunkan G, persis seperti gradient descent yang menuruni permukaan loss menuju minimum. Kesetimbangan kimia (ΔG = 0) analog dengan titik konvergensi / minimum lokal di mana gradien nol dan tidak ada lagi “kerja optimasi” yang bisa dilakukan.

Lebih jauh: $\Delta G=\Delta H-T\Delta S$ menyerupai bentuk regularized objective — suku entalpi $\Delta H$ seperti term data-fit, dan suku $-T\Delta S$ seperti term regularisasi/entropi yang skalanya dikontrol “temperatur” $T$. Ini bukan kebetulan: algoritma simulated annealing meminjam langsung metafora ini, menggunakan distribusi Boltzmann $P\propto e^{-\Delta E/kT}$ dan menurunkan “temperatur” untuk lolos dari minimum lokal. Energy coupling pun punya padanan: untuk menjalankan langkah “mahal” (endergonik), gabungkan dengan langkah “murah” yang sangat menguntungkan sehingga total biaya tetap turun.

flowchart LR
    A["Keadaan awal<br/>G tinggi (tidak stabil)"] -->|"ΔG &lt; 0<br/>eksergonik / spontan"| B["Keadaan akhir<br/>G rendah (stabil)"]
    B -->|"butuh energi<br/>ΔG &gt; 0 (endergonik)"| A
    B --> EQ["Kesetimbangan: ΔG = 0<br/>stabilitas maksimum, kerja = 0"]

Summary

Energi bebas Gibbs (G) adalah bagian energi sistem yang dapat melakukan kerja, dan ΔG = G_akhir − G_awal menentukan arah reaksi: hanya reaksi ΔG negatif (eksergonik) yang spontan dan dapat dipanen untuk kerja, sedangkan reaksi ΔG positif (endergonik) menuntut input energi. ΔG adalah ukuran ketidakstabilan — perubahan spontan menurunkan G dan menaikkan stabilitas hingga mencapai kesetimbangan kimia (ΔG = 0), titik stabilitas maksimum tanpa kerja bersih. Sel menjalankan reaksi endergonik melalui energy coupling dengan hidrolisis ATP sehingga ΔG total tetap negatif. Secara komputasi, ΔG berperan seperti objective/cost function yang diminimalkan, paralel dengan Energy Forms and the Laws of Thermodynamics dan menyiapkan konsep Activation Energy and Enzyme Catalysis.

Additional Information

Deeper Dive: ΔG vs ΔG°′ dan Kondisi Seluler

Nilai ΔG yang menentukan spontanitas adalah ΔG aktual, bukan ΔG°′ (standar, pada konsentrasi 1 M, pH 7). Hubungannya: $\Delta G=\Delta G{°}^{\prime }+RT\ln Q$, dengan $Q$ rasio reaksi (produk/reaktan). Karena sel menjaga konsentrasi jauh dari kesetimbangan (rasio ATP/ADP tinggi), banyak reaksi yang secara standar tampak nyaris setimbang tetap sangat eksergonik di kondisi nyata. Inilah mengapa sel “tidak pernah” mencapai kesetimbangan — kesetimbangan berarti kematian.

CS / Computational Angle: Simulated Annealing dan Energy Landscapes

Konsep energy landscape (lanskap energi bebas) langsung dipinjam ilmu komputer. Dalam simulated annealing, solusi kandidat “menggelinding” menuruni lanskap biaya, tetapi dengan probabilitas Boltzmann diperbolehkan naik sesekali untuk lolos dari minimum lokal — meniru fluktuasi termal. Hopfield networks dan banyak model energy-based (mis. Boltzmann machines) mendefinisikan fungsi energi yang diminimalkan saat inferensi, persis seperti sistem fisik mencari G minimum. Memahami ΔG memberi intuisi fisik untuk seluruh keluarga algoritma optimasi ini.

Proyek Eksplorasi Mandiri

1. Implementasikan gradient descent dan simulated annealing pada fungsi 2D ber-multimodal; gambar lintasannya sebagai “menggelinding menuruni lanskap energi bebas” dan amati perbedaan kemampuan lolos minimum lokal.
2. Modelkan energy coupling: buat dua reaksi (ΔG = +5 dan ΔG = −10) lalu tunjukkan secara numerik bahwa gabungannya spontan; eksperimen dengan rasio coupling.
3. Plot ΔG = ΔG°′ + RT ln Q untuk reaksi ATP dan tunjukkan bagaimana rasio ATP/ADP menggeser spontanitas.

Bacaan Lanjutan

• Campbell Biology in Focus, 3rd ed., Chapter 6 — bagian Free Energy and Metabolism.
• Kirkpatrick, Gelatt, Vecchi (1983). Optimization by Simulated Annealing, Science.
• Nelson & Cox, Lehninger Principles of Biochemistry — bab Bioenergetics.