5.28 Perenniporide A
Perenniporide A 是Feng[33]从Perenniporia 属真菌中分离得到的一个具有新颖骨架的萘酮类天然产物。该研究团队在对特殊生境真菌进行系统筛选时，选择了一株具有潜在药用价值的Perenniporia sp.菌株作为研究对象。这类多年生真菌通常寄生于阔叶树和针叶树的活体或枯木上，其次级代谢产物的化学多样性尚未得到充分研究。在提取分离过程中，研究人员创新性地采用固体基质发酵技术，通过乙酸乙酯萃取获得粗提物，经系统的柱层析分离后，成功获得四个结构新颖的萘酮衍生物（perenniporides A-D）以及若干已知化合物。其中，perenniporide A（5.59）的结构解析工作尤为引人注目。
Perenniporide A 的分子式被确定为C17H18O7（不饱和度为9），依据是HRESIMS 测得的m/z 335.1124（C17H19O7 的计算值为335.1125）。红外光谱在3330 cm-1 处的宽吸收带明显归属于羟基的伸缩振动，1792 cm-1 处的吸收带是张力内酯羰基的特征峰，1645 cm-1 附近的吸收带可能与α,β-不饱和酮的存在相关，而1608 cm-1 处的吸收带则是苯环的典型特征[18]。为了进行结构解析，作者[33]使用了文章中表格列出的1D NMR 谱图结合HSQC 和HMBC 相关数据。
用于在StrucEluc 辅助下进行结构确定的光谱数据见表5.28，分子连接图（MCD）见图5.84。
分子连接图（MCD）分析表明：该含氧分子中化学位移位于78-120 ppm 区间的5 个碳原子（标记为浅蓝色）被定义为"sp³或sp²"杂化状态。其中，sp²杂化季碳原子未设置氧原子邻位标记。尽管C176.9 和C190.0 很可能属于羰基碳（红外光谱显示存在酯基和酮基特征），但由于该分子量较小而HMBC 相关信号较多（约30 个），用户未对这两个羰基碳设置"ob"标记。通过分析1H NMR 谱（表5.28）中4 个单峰和2 个双峰信号，我们确定了相应碳原子上连接的氢原子数目。
第一次运行：MCD 校验显示二维NMR 数据无矛盾性，基于自动生成的MCD 执行严格结构生成，结果如下：k = 4 →2 →2，总耗时tg = 0.003 秒。生成的两个结构如图5.85所示。
计算结果显示，显著的化学位移偏差及异常的结构特征均明确指向所生成结构存在错误。这一现象表明系统的基础结构假设可能存在内在矛盾，因此，采用模糊结构生成（FSG）算法进行后续计算。
第二次运行：采用FSG 方法，参数设置为m=1、a=16，获得结果：k = 133 →89 →89，tg = 3 s，最佳结构的平均化学位移偏差为7-11 ppm，这一结果提示有必要采用更宽松的参数（m=2，a=16）进行第三次计算。
第三次运行：结果显示：k = 4,697 →3,322 →2,981，tg = 3 min，所得结构仍存在较大偏差（4.5-5.5 ppm），且多数结构呈现异常特征，但部分结构中含有与红外光谱特征相符的苯环片段。这一现象使我们怀疑光谱过滤器可能排除了潜在的正确结构。如第1.3 节所述，虽然光谱过滤器已通过数十万张NMR 谱图验证，但在特殊情况下仍可能出现例外——即实测化学位移或振动频率可能超出特定结构片段的特征范围。
为验证这一假设，第四次运行在保持参数（m=1，a=16）不变的情况下禁用光谱过滤器，获得结果：k = 133 →109 →107，tg = 3 s。图5.86 展示了排序前两位的结构：
其中结构#1 的13C 化学位移偏差值显著优于其他结构，偏差差值Δ=d(#2)-d(#1)≈6 ppm具有明显区分度，且结构#1 所含子结构与所有谱学数据完全吻合。最终确定的结构#1（如结构5.60 所示）与文献[33]报道结果完全一致，图中箭头标示的非标准相关连接也得到合理解释。
为探究光谱过滤器排除正确结构的原因，我们执行了"Structure/Check by Filter"命令对目标结构进行检测。程序反馈显示：
"该结构因以下测试未通过而被排除：
NMR：CH₂基团检测结构包含矛盾基团|65| CH₃–CH₂–[Ar]该基团在¹³C NMR 中的特征表现为：
这一检测结果表明：与苯环相连的乙基中亚甲基（CH₂）基团在常规情况下应具有18.8-38.2 ppm 的特征¹³C 化学位移范围。然而在perenniporide A 的实际结构（5.60）中，该CH₂基团的化学位移值（δC 16.2 ppm）显著低于标准区间下限，这一异常现象直接导致正确结构被光谱过滤器错误排除。
针对这一现象，我们不禁要问：16.2 ppm 的化学位移是结构5.60 特有的罕见情况，还是存在某种可循的规律性？在对Structure Elucidator 程序的系统验证过程中，我们发现了一个重要规律：当甲基（A 片段）位于两个O-R 取代基之间时，其13C 化学位移会出现异常低场现象（实测值6-7 ppm），这与典型芳环甲基的化学位移值（约20 ppm [18]）形成显著差异。
基于这些发现，片段A 被收录至专门的"例外库"（参见1.3.3.6 节）。当检测结构中出现此类片段时，算法将自动识别其特殊性质，不再因CH₃基团异常低的化学位移值而排除正确结构。针对结构5.60 中的片段B，通过检索ACD/CNMR 数据库发现25 个类似结构，其CH₂基团化学位移均在16-18 ppm 范围内，因此该片段同样被纳入例外库。这一实例展示了系统知识库持续优化如何提升其性能与灵活性。当待测结构中含有未收录至过滤库的特殊片段（例外情况）时，程序可能无法识别正确结构。然而，光谱过滤器的失效并不意味着CASE方法的失败，因为任何知识体系（包括系统知识）都存在局限性且需要不断发展。
鉴于当前13C 化学位移预测技术既快速又准确，我们建议在结构生成过程中用13C 化学位移预测替代基于特征区间的光谱过滤。这一CASE 策略的改进将提高结构解析的可靠性，避免因过滤器缺陷导致的程序失效，但需注意这可能会增加生成结构的数量。同时需要强调的是，虽然这种改进可能导致生成结构数量增加，但现代计算效率已能有效应对这一挑战。这一演进方向既符合复杂天然产物结构解析的需求，也体现了人工智能辅助化学研究的自适应发展路径。