CASE 在本科有机化学教学中的应用研究
有鉴于此，本研究将人工智能（AI）软件——ACD/Structure Elucidator引入本科高年级有机化学课程，以辅助学生理解NMR波谱学原理，并应用于复杂天然有机分子的全新结构解析。作为本技术报告的实例演示，我们采用奎尼丁（quinidine）的标准多维NMR谱图，向学生展示计算机辅助结构解析（CASE）作为工具在深化理解NMR谱图方面的巨大潜力。
1. 引言
本科有机化学课程是学生首次接触NMR波谱法作为结构鉴定工具的阶段。随着NMR实验技术的飞速发展，从一维到多维NMR实验种类繁多，在本科阶段组织、分析和理解所有光谱数据是一项具有挑战性的任务。NMR波谱法作为强有力的结构解析工具，对于培养全面的化学素养至关重要。
尽管NMR在分析化学中的重要性不言而喻，但学生往往难以轻松理解NMR辅助结构解析的基本原理。面对NMR谱图中丰富的信息，学生可能会在谱图解析过程中感到畏惧，从而形成学习先进NMR波谱技术的心理障碍。然而，随着人工智能（AI）技术的发展，基于NMR数据进行有机结构解析已变得前所未有的便捷。
事实上，计算机辅助结构解析（CASE）软件为新一代化学家带来了全新的教学视角。此外，天然产物领域的新发现层出不穷，亟需一种独立于主观判断的结构验证方法，以消除人为偏差和误差。这可以引入更新颖的教学目标，聚焦于传统手工方法在结构解析中的局限性，尤其是涉及多个几何异构体或立体异构体的分子。
本研究介绍的AI软件包——ACD/Structure Elucidator（SE），由Advanced Chemistry Development Inc.（ACD/Labs）开发，可作为教学辅助工具，帮助学生学习先进NMR波谱技术及其在复杂有机分子全新结构解析中的应用。
本课程面向已具备多维NMR波谱学知识及通过NMR波谱法解析简单分子结构经验的高年级本科生。为演示该程序在本科教学中的适用性，我们采用奎尼丁的标准NMR谱图进行教学，向学生展示CASE作为深化理解NMR谱图工具的潜力。本技术报告配有工作表，帮助学生反思其发现，促进自主学习过程。
2. 材料与方法
软件包ACD/Structure Elucidator安装于一台配备Intel Core i5双核处理器（2.3 GHz）、8 GB内存、Windows 10操作系统的笔记本电脑上。奎尼丁和薄荷醇（menthol）的NMR样品制备方法如下：将40 mg化合物溶于600 μL CDCl₃中，置于5 mm标准NMR管中。
奎尼丁的标准NMR谱图于配备三通道探头（¹H、BB、²H）5 mm Prodigy BBO（宽带观察）超低温探头的500 MHz Bruker Avance III光谱仪上采集。所有化学试剂均购自Sigma-Aldrich（加拿大安大略省奥克维尔）。
3. 讨论
3.1 谱图信息的组织
以便于学习的方式组织NMR谱图信息，将为有机结构解析提供更佳的学习体验。在ACD/SE软件的辅助下，奎尼丁从一维到二维的NMR谱图可以轻松组织和归类，便于参考和流畅的谱图分析。重要的是，这种组织方式对于复杂有机分子特别有益，因为其存在大量共振信号和相关性。
一组奎尼丁的NMR谱图，包括一维¹H NMR、一维¹³C NMR、二维多态性编辑HSQC（¹H-¹³C相关谱）、二维COSY（¹H-¹H相关谱）和二维HMBC（¹H-¹³C远程相关谱），已被整理并同步进行峰标记。这既便于分析教学，也便于谱图信息的展示。
3.2 多维NMR数据的谱图解析
组织完成后，多维NMR数据可以轻松解析。图1展示了分子结构与COSY、HSQC和HMBC衍生的谱图相关性之间的关系。在多态性编辑HSQC中，CH和CH₃的相关信号为正，而CH₂的相关信号为负。因此，通常需要综合这些实验的全部信息来进行直接结构解析。
图1. 结构解析中最常用的三种二维核磁共振实验示意图
(A) ¹H-¹H相关实验；(B) 基于一键偶合常数¹JCH的¹H-¹³C相关实验；(C) 基于三键偶合常数³JCH的¹H-¹³C远程相关实验。
从不同NMR实验推导的核间键相关性揭示了分子中的重要结构特征或官能团信息，如羰基、芳香环和脂肪链等。奎尼丁的分子式C₂₀H₂₄N₂O₂被输入程序中，以促进后续步骤的结构解析过程。
3.3 分子连接图与计算机辅助结构解析
为促进通过NMR波谱学进行全新结构解析的学习，我们引入分子连接图/相关性图（MCD）。MCD提供了从基本NMR实验（如编辑HSQC、HMBC、COSY、一维¹H NMR和一维¹³C NMR）衍生的所有相关性的可视化总结，这些实验常用于结构解析。
为将MCD概念与谱图分析相结合，奎尼丁的MCD将通过软件在编辑HSQC NMR谱中选择共振信号来构建。借助多态性编辑HSQC，每个碳可以被指定为CH、CH₂或CH₃，而季碳则可基于一维¹³C NMR和HMBC谱图进行指定。
完成相关性映射后，奎尼丁的MCD已构建完成。乍一看，MCD可能看起来很复杂；然而，仔细观察可以看出一个指示稠合芳香环的结构片段，这可以从HMBC和COSY中的一系列相关性看出，涉及一组九个sp²杂化碳，¹³C化学位移范围为117-156 ppm。
此外，另一组七个碳原子（¹³C化学位移在20-49 ppm之间）的相关性表明可能存在另一个稠合环结构片段。重要的是，一个烯烃基团（¹³C化学位移113.43和139.72 ppm）连接在这个环状结构上。最后，一个化学位移为70.68 ppm的枢纽碳充当两个分子片段之间的桥梁。
图2. 奎尼丁谱图中共振信号的关联性映射过程示意图
(A) HMBC、(B) 多重性编辑HSQC、(C) ¹H-¹H COSY及(D) 一维¹H NMR谱图中的共振信号如何关联，并最终构建出图3所示的分子连接图。虚线矩形框标示了季碳的共振信号。
图3. 通过结构解析软件从核磁数据生成的奎尼丁分子连接图
图中，绿色线条代表最多三键的相关性，粉色线条代表最多四键的相关性，蓝色线条代表一键相关性。不同颜色用于表示杂化状态：蓝色表示sp³杂化，粉色表示sp²杂化。
图4. 一系列分子连接图及其对应的推测分子片段
(A) 对应于(B)所示分子片段的MCD；(C) 对应于(D)所示分子片段的MCD。(注：单箭头表示从碳位点A到碳位点B的相关性，双箭头表示碳位点A与碳位点B之间的双向HMBC相关性。)
通过ACD/SE的AI功能，与MCD一致的结构被生成。提出的结构经过验证并根据内部NMR经验性预测的化学位移进行排序，从而便于对候选结构进行轻松验证。每个候选结构的误差基于实验值与计算值之间的偏差以均方根偏差（RMSD）表示，为每个结构候选物提供置信度度量。
图5. 基于图3所示分子连接图生成的一系列候选结构
虽然手工方法适用于由不超过10个碳原子组成的简单有机分子，但对于含有杂原子（P、N、S或O）的大型复杂有机分子，相关性数量的增加将提高难度，降低解析成功率。重要的是，CASE方法能够量化误差，基于¹³C和¹H的实验化学位移与计算化学位移之间的差异进行计算。因此，这种无偏见的方法使用AI提供了一个有前景的替代方案和出色的教学工具，能够揭示潜在的无意识偏见。
最后，需要指出的是，次优结构的RMSD值相近，仅在16位存在微小差异，这在没有计算机辅助的情况下难以区分。在这种情况下，两种几何异构体可以根据其RMSD值的大小来区分。因此，这展示了CASE及其相关AI算法在基于谱图数据更好预测正确化学结构方面的显著优势。
3.4 计算机辅助结构解析作为教学资源
CASE在本科教学中的全新结构解析应用收到了良好的学生反馈。除了奎尼丁外，我们还向学生提供了薄荷醇的NMR谱图作为额外教学示例。该分子提供了手工谱图分配的简单说明，具有足够的复杂性用于教学目的，如立体中心和非等效亚甲基基团。通过这些示例，学生了解到传统手工方法在全新结构解析中的局限性，特别是对于具有多个几何异构体或立体异构体的复杂有机分子。
然而，CASE应该仅用于鼓励学生挑战更具挑战性的体系，绝不意味着取代动手谱图分析的宝贵学习经验。
4. 结论
本技术报告为学生和教师提供了宝贵的工具，以理解复杂有机结构通过多维NMR谱图相关性进行解析的关键概念。随着AI技术的发展，CASE工具（如可通过学术许可证获取的ACD/Structure Elucidator）可以在课堂中发挥重要作用，为学生提供及时的谱图解析辅助，并增强他们的学习体验。
通过CASE，学生能够识别并从逻辑错误中学习，促进自主学习过程。掌握了NMR谱图分析的基本概念后，学生能够领会NMR实验在揭示这些关键结构特征方面的设计细节。