Chem. Sci. | 数据驱动的有机合成条件优化：智能推荐试剂、温度与当量比

DRUGONE

有机合成中，反应条件的选择对产率、选择性和实验可行性至关重要。然而，计算机辅助合成规划在条件预测方面仍存在不足。研究人员提出了 QUARC（QUAntitative Recommendation of reaction Conditions）框架，不仅预测反应所需的试剂种类和温度，还进一步提供反应物和试剂的摩尔当量。通过在专利数据库大规模反应数据上的训练，QUARC 在多个任务上优于常见的“最流行条件”和“最近邻条件”基线。其预测结果展示了模型在捕捉底物–条件关系和细致选择性方面的优势，为自动化合成和实验优化提供了有力支持。

小分子合成是药物研发、材料科学和农业的重要推动力。近年来，计算机辅助合成规划（CASP）快速发展，但其主要集中在逆合成路径设计，对反应条件预测关注不足。事实上，反应条件（包括催化剂、添加剂、溶剂、温度和当量）直接影响产物产率、杂质分布和纯化效率，是实现自动化合成的重要环节。

现有方法大多局限于预测某些单一成分（如催化剂或溶剂），或只考虑定性信息，难以提供完整可执行的实验方案。为解决这一问题，研究人员提出了 QUARC 框架，通过统一建模实现从试剂身份到温度及当量的全流程预测。

结果

框架与数据

QUARC 将条件推荐拆分为四个任务：

• 预测试剂身份；
• 预测反应温度；
• 预测反应物当量；
• 预测试剂当量。

研究人员使用 Pistachio 专利数据库，经过标准化、去重和过滤后，构建了覆盖 1376 种常见试剂的训练数据集。模型采用图神经网络（GNN）和分子指纹+前馈神经网络（FFN）两种架构，分别对比其性能。

试剂预测

QUARC 将试剂预测建模为多标签分类，并采用自回归生成策略逐一预测试剂，能够处理数量可变的试剂集合。结果显示：

• GNN 与 FFN 模型在大多数反应类别上均优于基线；
• 在需要敏感条件优化的反应（如 Buchwald–Hartwig 胺化）中表现尤为突出；
• 在条件高度集中于少数协议的反应中，简单的“最流行条件”也能接近模型效果。

温度预测

研究人员将温度预测设定为分箱分类任务，范围覆盖 −100 至 200°C。结果表明：

• FFN 与 GNN 模型的平均误差约为 ±20–30°C，显著优于基线；
• 模型能够捕捉常见温度分布，如 −78°C（干冰）、0°C（冰浴）、室温以及 80–120°C 的加热反应区间。

反应物与试剂当量预测

研究人员分别为反应物与试剂建立了当量预测模型：

• 反应物当量：模型在双分子反应中表现尤为显著，准确率远超基线；
• 试剂当量：由于催化剂与溶剂的使用量差异较大，模型引入了定制化分箱，结果同样优于基线，尽管整体任务更具挑战性。

全流程评估

在端到端测试中，QUARC 将四个阶段结合，预测完整的反应条件集合。尽管严格的“完全匹配”评价标准导致整体准确率偏低，但 QUARC 在多个反应类别中均优于基线，尤其在条件多样性高的交叉偶联类反应中表现突出。

案例分析

通过案例对比发现：

• QUARC 能够选择更温和或更适合的试剂（如在敏感底物中选择 LiBH4 而非 LiAlH4）；
• 在 Sonogashira 偶联反应中，模型识别了使用 DIPA 抑制副反应的优势；
• 在立体敏感的酰胺化反应中，模型推荐了更合适的配体/试剂组合。

这些结果表明模型能够捕捉基线方法忽略的底物–条件相互作用。

讨论

研究人员提出的 QUARC 是首个能够同时预测试剂身份、温度和当量的框架，显著拓展了反应条件预测的范围。在基于大规模专利数据的验证中，QUARC 始终优于基线，并在条件复杂多变的反应中展现出更强优势。

未来改进方向包括：

• 优化输入编码方式，例如为试剂引入功能相似性的先验知识；
• 提高数据质量，减少专利数据中由于文本解析带来的错误；
• 探索能直接生成完整条件集合的统一模型，减少阶段串联导致的误差累积。

QUARC 的发展为计算机辅助合成规划提供了更可执行的条件预测能力，既能作为自动化合成的前端工具，也能为实验优化提供智能化起点。

整理 | DrugOne团队

参考资料

Sun, Xiaoqi, Jiannan Liu, Babak Mahjour, Klavs F. Jensen, and Connor W. Coley. "Data-driven recommendation of agents, temperature, and equivalence ratios for organic synthesis." Chemical Science (2025).

内容为【DrugOne】公众号原创｜转载请注明来源