SES 助力天然药物化学研究生教学全流程数字化

01　案例背景

在天然药物化学领域，研究生培养通常围绕活性天然产物的分离与鉴定展开。在实际教学过程中，如何让学生高效掌握波谱解析技能、如何避免大量已知化合物解析造成的时间浪费、如何有效管理和复用长期积累的实验数据，是许多教学科研团队共同面临的挑战。

该教研室在日常科研中，化合物分离需要运用 HPLC-UV、HPLC-MS 等多种手段，结构鉴定则需要综合 IR、UV、MS、NMR 四大经典光谱，CD 及 X-ray 的应用也日益普遍。在引入 SES 之前，教研室面临一系列典型痛点：

• 数据管理混乱——2010 年之前，大量实验数据仅以纸质形式分散保存，不利于管理和查询，造成严重的数据浪费；
• 教学效率低下——传统 PPT 教学方式下，学生课后需分别学习多种色谱、光谱处理软件，工具切换成本高；
• 已知化合物重复解析——统计显示，研究生分离鉴定的化合物中 90% 以上为已知化合物，大量时间被消耗在重复工作上；
• 色谱方法开发效率低——缺乏系统化的方法搜索与优化工具，依赖反复摸索。

在试用筛选了多种数据处理及管理软件后，该教研室于 2010 年正式引入 SES。SES 将化学结构与分析化学信息深度融合，核心功能覆盖天然产物结构鉴定研究的全链条：未知化合物结构从头解析、核磁谱图预测与智能解释、核磁谱图数据库、质谱碎片预测、质谱定性分析，以及分析数据处理与统一管理。

02　教学前期：一站式波谱解析基础能力培养

传统教学模式下，教师通过 PPT 或图片进行课堂讲授，学生课后进行实际解谱练习时，往往需要分别学习多种不同软件的操作方法，学习曲线陡峭。引入 SES 后，教研室将教学模式升级为一站式平台教学——学生只需掌握一个软件，即可完成几乎所有类型数据的处理与分析。

NMR 图谱分析教学

• 1D NMR 处理——在 Spectrus 模块中设置预处理参数，导入 1D NMR 图谱，进行标峰与积分，获取化学位移和积分值，进而分析官能团及特定结构信息；
• 2D NMR 解析——导入 COSY、NOESY 等二维图谱，分析多张二维谱之间的相关性，综合确定化合物结构。

LC-MS 图谱分析教学

• 基础处理——导入 LC-MS 数据，标定色谱峰，获取保留时间和质谱数据；
• 碎片裂解规律教学——利用软件内置的 MS Fragmenter 功能预测各种碎片离子，完整标示裂解路径，结合实际案例加深理解，方便学生课后自主探索。

一站式平台大幅降低了学生的软件学习成本，节省了工具切换的时间开销，同时为后期的科研数据管理奠定了统一的软件基础。

03　教学中期：科研实践中的结构解析与色谱优化

进入科研实践阶段后，研究生的核心工作转向天然产物的分离纯化与结构鉴定，两者的时间投入基本维持在 1:1，有时结构解析耗时甚至更多。该教研室的分析数据揭示了一个关键问题：在近 20 年的研究成果中，研究生分离鉴定的化合物里超过 90% 为已知化合物，仅约 10% 为新化合物，真正的新骨架化合物仅占约 1%。也就是说，大部分科研时间被消耗在已知化合物的重复解析上。

引入 SES 后，教研室在结构解析和色谱优化两个维度均取得了显著效率提升。

3.1　已知化合物的快速排除

学生可利用 LC/MS 和 1D NMR 数据，通过 SES 的碳谱检索功能快速排除已知化合物，将宝贵时间集中投入到潜在新化合物的系统解析上。流程为：导入化合物的质谱和 ¹³C-NMR 数据，标记化学位移等关键数据，调用碳谱检索功能与内置数据库（约 6000 万条以上小分子碳谱数据）自动比对，直接定位相同化合物或结构类似物，完成排除或辅助解析。

效率数据：一般化合物的检索排除仅需 1～10 分钟；对于已知化合物，依据碳谱信息可在 10 分钟内完成确定工作。

3.2　新化合物的从头解析

对于新结构和新骨架化合物，SES 的结构解析引擎同样发挥了巨大作用，其自动化流程为：综合输入 1D、2D NMR 及 MS、UV、IR 等实验数据；软件自动生成分子连接图（MCD），以不同颜色和线型直观表示原子间的相关信号与连接关系（包括 HMBC 和 COSY 谱中的重叠信号）；基于 MCD 图计算生成候选结构，将 ¹³C 化学位移预测值与实验值对比，自动排除平均偏差大于 4 ppm 的候选结构；对保留的少数候选结构进行差异度排序，锁定最合理的化合物结构。

效率数据：利用该软件处理一个全新的化合物结构，基本可在 24 小时内完成计算并给出可能的参考结构，相比传统人工逐步推导的方式，效率提升显著。

3.3　色谱分离方法的智能优化

SES 将色谱数据处理、项目管理、方法优化和数据库管理整合于一体，大幅加速了基于结构和保留时间的色谱方法开发。软件内置约一万多种化合物的分离方法，可根据待分离化合物的结构及子结构搜索已有方法，结合实验室条件进行筛选优化，快速获得适合目标化合物的色谱分离方案。

04　教学后期：化合物数据库建设与知识沉淀

在学生熟练掌握 SES 后，教研室进一步引导他们建立和维护统一的化合物数据库——将已鉴定化合物及优化的色谱条件进行整合与规范化管理。

SES 除自带数据库外，还支持用户自行组建专属数据库。研究者可以将化合物名称、结构、保留时间、色谱方法、仪器参数等信息以结构化表格形式归纳存储，通过项目管理界面一站式查看所有相关信息，软件还会自动保留原始数据链接，点击即可溯源。

数据库建设与维护实践：将已鉴定化合物上传数据库，关联名称、结构、保留时间等核心信息；将优化好的色谱条件同步录入，方便后续实验直接调用；团队成员定期更新并交叉比对数据库，避免重复收集已知化合物；导师定期汇总各组数据，统一管理，全面掌握科研进展。

该教研室特别强调，数据库建设有效解决了以往不同学生因同一已知化合物的解析而重复浪费时间的问题。统一的数据管理不仅提升了个人工作效率，更实现了团队层面的知识沉淀与复用。

05　实践总结

经过长达 8 年的教学实践，海军军医大学药学系天然药化教研室验证了 SES 在研究生培养中的价值：指导学生熟练掌握该软件后，能够有效减少不必要的实验次数、降低出错概率，在化合物结构解析和色谱方法开发方面更加快速准确，少走弯路。SES 已成为该教研室研究生培养体系中不可或缺的关键工具。

参考资料

• 李翔，武志立，李慧梁. ACD/Labs/SES 软件在天然药物化学研究生教学中的应用. 科技经济导刊，2019, 27(05): 17.
• 本文整理自微信公众号「凯美科」发布的客户案例文章。
• 关键技术：Structure Elucidator Suite（CASE 从头解析、¹³C 预测比对）、Spectrus 数据处理、MS Fragmenter 碎片预测、碳谱数据库检索、色谱方法搜索优化。