1.5 相对立体构型的确定

天然产物和药物分子的生物活性通常与其立体化学密切相关。事实上，有许多例子表明，一种立体异构体可能表现出与另一种立体异构体截然不同的药理活性。立体化学因素还会影响反应路径和反应动力学，其中一种形式可能比另一种更受青睐。在现代结构表征工作中，通常最后一步是确定相对构型，如果可能的话，还包括绝对构型。NMR 方法通常适用于前者，而后者通常通过化学结构修饰结合NMR 研究^[41]或X 射线晶体学方法获得。

从NMR 数据确定相对构型的基础是核Overhauser 效应（NOE），该效应取决于相互弛豫核之间的距离^[42]。通常，在刚性分子中，使用NOESY 或ROESY 二维NMR 实验或其选择性一维类似实验^[43]来提供分析数据。对于柔性分子，研究者们投入了大量精力开发基于J 耦合的NMR 方法，用于测量远程异核耦合常数，从而确定相对构型。

基于这一研究背景，Structure Elucidator 系统通过集成先进的立体构型分析模块，显著提升了其结构解析能力。该程序允许基于核Overhauser 效应约束确定分子结构的相对立体构型^[44]。同时，选择性NOE 或ROE 实验的结果也可以作为程序的输入数据。这一分析过程既适用于Structure Elucidator 在结构解析过程中产生的多个最可能结构，也可以用于化学家提出的特定化学结构的构型分析。

NOESY/ROESY 光谱在相对立体化学确定中的实用性基于交叉峰体积积分与核间距离之间的直接相关性。NOE/ROE 测量中的峰强度与距离的六次方成反比。因此，通常在距离为1.8–2.5 Å 的氢对之间观察到“强”NOE。中等强度的响应通常对应于2.5–4.0 Å 的核间距离，而“弱”NOE 通常仅在较大距离下观察到（如果能够观察到的话）。对于距离超过6.0 Å的核，通常不会观察到NOE 响应。

优化算法通过处理数值数据来实现目标，在本例中，这些数值来源于叠加在三维结构上的一组NOE 数据，并通过拟合优度进行评估。描述拟合优度的函数称为惩罚函数，其值越低，表明解的质量越高。对于最佳匹配的立体异构体，该函数值应达到最小。

研究者提出了一种合适的函数^[44]，可通过计算所有立体异构体结构或使用遗传算法^[45]来最小化该函数，从而减少需要研究的立体异构体数量。通过复杂结构实例，验证了用于确定结构相对立体化学及其三维构型计算的方法的可靠性。

除了上述基于NOE 和分子力学的方法外，我们还探索了一种更简洁的途径，该方法可能对确定分子相对立体化学有所帮助。考虑到片段法在¹³C 化学位移预测中的显著优势，我们推测该方法可用于初步筛选出一组最可能的立体异构体，进而通过额外的实验技术、量子化学化学位移预测以及基于NOE 的三维优化进行验证。这一设想的可行性源于ACD/CNMR 数据库中包含与结构相关的立体中心信息，且NMR 化学位移预测算法充分考虑了立体化学因素。此外，基于增量和神经网络的化学位移预测算法也利用了与3–6 元环中原子的立体化学相关的数据^[35]。

我们通过一系列文献中新结构的实例验证了这一假设^[46]。这些结构的相对立体化学已被报道，因此被特意排除在ACD/CNMR 数据库之外。研究结果表明，应用经验性¹³C NMR化学位移预测方法确实能够筛选出一组有限的、最可能的立体异构体，且该组中始终包含真实的立体构型。