ACD/Labs 行业洞察——结构解析技术的进展、挑战与未来方向
来源：微信公众号「凯美科」
分类：CASE 技术原理与趋势
发布：2025-02-24
2024年10月，ACD/Labs成功举办第三届"Unveiling Spectral Secrets—Structure Elucidation & Verification Virtual Symposium"。这场汇聚全球顶尖科学家的年度盛会，延续了往届的高规格学术传统，吸引了来自辉瑞、默克、美敦力、百时美施贵宝以及默克密理博（Merck KGaA）等跨国药企与化工巨擘的百余位专家学者深度参与。
本届研讨会以"结构解析技术演进与验证体系创新"为核心议题，通过产学研三界专家的思维碰撞，首次系统梳理了2022年首届会议以来该领域的技术发展脉络。特别值得关注的是，会议发布的《2025结构解析技术发展蓝皮书》，通过对比分析近三年行业数据，精准勾勒出核磁共振解析、质谱验证等关键技术的演进轨迹，为药物研发与材料科学领域提供了前瞻性技术路线图。
ACD/Labs特邀六位全球顶尖机构的科学家，分享前沿技术如何赋能药物研发与食品安全检测领域：
Emine Sager
Novartis分析科学家
• 20余年核磁共振技术应用经验，主导建立Novartis自动化结构验证（ASV）工作流
• 通过ACD/Labs解决方案实现药物结构解析效率提升40%
Christine Fisher (O'Donnell)
FDA化学家
• 开发基于高分辨率质谱的非靶向分析（NTA）方法
• 创新应用于食品添加剂安全性评估，建立百万级化合物筛查数据库
Kristof Cank
Sutro Biopharma分析科学家
• 专注ADC药物杂质谱研究，运用ACD/Structure Elucidator完成90%以上未知杂质鉴定
• 系统构建治疗性蛋白药物纯度-效价-稳定性三维评估体系
Richard Lewis
AstraZeneca首席科学家
• 核磁共振卓越中心负责人，建立跨部门协作的NMR数据智能解析平台
• 整合ACD/NMR Predictors实现化合物验证准确率达99.2%
Jennifer Field
Shimadzu技术实验室主管
• 开发新型UHPLC-ICPMS联用技术，推动痕量元素检测灵敏度突破ppb级
• 创新应用ACD/ChromGenius优化200+色谱分离方案
Jens Richards
Corteva Agriscience分析科学家
• 构建计算机辅助色谱方法开发（CAMO）系统
• 通过ACD/LC Simulator实现方法开发周期缩短60%
专家小组重点探讨了工作流程自动化的发展趋势，该技术正有效应对样本数量激增与复杂程度提升的双重挑战。通过具体案例展示了自动化技术与高通量分析系统如何应用于分析化学各细分领域——涵盖实验方案设计、数据分析及结果报告等关键环节。
在结构解析或验证过程中，首要步骤通常是从混合物中分离目标化合物。联用色谱技术提供的保留时间与质谱数据，可有效辅助"已知未知物"的识别与验证。本年度调研中，当色谱技术作为独立选项纳入问卷时，75%的受访者明确表示将其应用于结构解析工作。
你们在结构解析工作中采用哪些技术手段？
岛津Jen着重强调了保留时间建模在提升方法稳健性与可持续性方面的核心价值。通过案例演示，其团队证实计算机模拟保留时间建模技术可大幅提升色谱方法开发效率——仅需4次实验运行即可获取相当于传统600次实验的数据信息量，为高通量分析奠定基础。
科迪华Jens团队近期革新色谱方法开发策略，通过引入AutoChrom系统构建智能化工作流程。借助其软件辅助平台SPEEDChrom，团队已高效推进年度75个方法开发目标，完成进度超过97%。该平台不仅显著提升方法构建效率，更通过标准化操作使新成员快速掌握关键技术，实现知识经验的系统化传承。
FDA的Christine深入剖析了非靶向分析（NTA）与疑似物筛查（SSA）工作流中的数据处理瓶颈。其团队创新性地将保留时间预测技术整合至分析流程，成功建立假阳性结果过滤模型，使进入下一阶段验证的候选物数量减少40%，大幅缓解了海量数据带来的处理压力。
Richard Lewis（阿斯利康）与Emine Sager（诺华）重点探讨了核磁共振（NMR）数据在结构解析与验证中的应用。他们强调自动化结构验证（ASV）技术对NMR专家及合成/药物化学家的双重价值——既能高效处理海量数据，又可简化复杂分子分析流程。
"我们始终建议化学家将ASV作为辅助工具使用，该技术可显著节省归属分析时间并提升工作效率。"——Novartis Emine Sager
Sutro Biopharma分析科学家Kristof透露，在其抗体-药物偶联物（ADC）开发流程中，自动化结构验证（ASV）技术已成为关键软件支持工具。团队通过整合Spectrus系列应用，实现LC/MS与HPLC数据的自动化处理及报告生成，成功构建完整的高通量分析体系。
最新调研显示，联用色谱技术仍为自动化优先实施领域（延续2022年趋势）。值得关注的是，NMR数据自动化关注度较前次调研增长18%，质谱数据自动化需求提升23%，印证了多维度分析技术协同发展的行业动向。
贵单位目前实现了哪些数据分析的自动化？
或有意向将哪些数据分析流程纳入自动化体系？
尽管业界对自动化结构解析与验证技术的关注度持续升温，其实际应用推广却面临显著瓶颈。最新数据显示，该领域技术落地进程未达预期：相较于前期调研，实际部署该技术的机构比例不升反降，仅少数机构进入方案测试阶段（增长率不足5%）。这一现象折射出当前技术转化过程中存在的实施成本高、系统集成难度大等关键障碍。
贵单位是否采用自动化数据处理与归属技术进行结构验证？
贵单位的自动化进程目前处于何种阶段？
正如2022年研讨会所揭示的，自动化结构验证（ASV）等技术虽能显著提升效率，但如何持续提高分析精度仍是用户群体关注的核心议题。
多位报告人强调，在新型化学空间研究中，高质量实验数据对分析建模与预测验证具有决定性作用。一体化软件（如Spectrus平台）通过整合多技术数据流，不仅优化了分析流程，更构建了知识传承体系，有效规避人工转录误差等操作风险。
科迪华Jens指出："AutoChrom系统帮助我们高效管理海量实验数据，这对快速迭代开发方案至关重要。" 该团队将AutoChrom深度整合至实验设计与仪器控制环节，从源头杜绝人为误差。他特别强调："基于实验数据的条件建模能力具有战略意义。我们通过真实数据驱动类似物评估决策，这使得采集的数据集不仅体量增长，其信息维度与决策价值更实现质的飞跃。"
岛津Jennifer在探讨保留时间建模潜在风险时，详细阐释了一体化软件的关键作用："当数据处理与建模软件未实现无缝衔接时，常因人工输入导致误差。而通过ACD/Labs Spectrus Processor处理数据并直接导入LC Simulator，可建立零人工干预的智能工作流，将此类风险降低92%以上。"
多位报告人探讨了复杂分子分析与验证的挑战，强调需建立定制化分析策略以确保高通量工作流程的准确性。岛津Jen解析了针对生物大分子与小分子差异建立的数学模型优化方案，展示了不同数学关系式在两类分子分析中的适应性调整。
诺华Emine分享了其定制化ASV工作流程：首先采集质子谱数据，通过自主研发的脚本进行智能解析，据此优化后续碳13及二维核磁共振实验方案。通过开放获取系统单日运行数据显示，96%的样本数据符合ASV系统处理要求。验证结果显示：
真阳性率：40%（准确验证结构）
真阴性率：15%（正确排除错误结构）
假阴性率：39%（需人工复核案例）
假阳性率：2%（溯源发现均为样品制备问题）
总体而言，他们得出结论：虽然存在改进空间，但ASV系统具有足够的准确性，能在不显著增加风险的前提下提升效率。（两例假阳性结果由样品问题及实验方案选择不当导致）
诺华开放获取ASV系统运行结果
- 样本总量：116个
- 实验类型：从单一质子谱到完整二维谱集
- 分子多样性：广泛
* 分子量范围：126-1168 Da
* 杂原子类型：氟(F)、磷(P)
* 杂环结构：多种类型
多位报告人强调了多技术联用策略对提升结构解析与验证效能的突破性作用。
Sutro Biopharma分析科学家Kristof团队在抗体-药物偶联物（ADC）开发中构建了多维分析体系：整合液相色谱-质谱联用（LC/MS）、核磁共振（NMR）、超临界流体色谱（SFC）及二维液相色谱（2D-LC）技术，实现对连接子、弹头分子、先导化合物及副产物的精准纯度分析与结构解析。通过ACD/Labs软件平台实现多源数据集成处理，特别在结构相似物鉴别方面展现出显著优势。团队创新性地将NMR预测数据与实验数据交叉验证，成功解决了官能团微差异化合物的结构归属难题。
"ACD/Labs软件的核心优势在于其多模态数据处理能力——高分辨质谱、单四极杆质谱、高效液相色谱、核磁共振以及快速色谱数据均可在同一平台实现关联分析。"
——Sutro Biopharma分析科学家 Kristof Cank
阿斯利康Richard系统阐述了多技术联用验证策略的可靠性研究。其团队通过整合核磁共振、质谱与红外光谱数据，构建了多维验证矩阵，使自动化结构验证（ASV）准确率提升至98.7%。他特别指出：
"未来技术发展必将走向多元融合——不再依赖单一软件或数据源，而是通过多维度技术协同与数据交叉验证获得可靠结论。"
——阿斯利康 Richard Lewis
这种技术融合策略不仅突破传统单技术分析的局限性，更通过建立化合物多维指纹图谱库（包含12种光谱特征参数），使复杂体系结构解析效率提升3-5倍，特别在天然产物全合成与药物代谢产物鉴定领域展现出显著优势。
当前，机器学习（ML）与人工智能（AI）技术在结构解析与验证中的渗透应用，对数据质量提出了更高要求。尽管并非所有报告人明确提及，但ML算法已成为ACD/Labs建模与预测软件的核心基础，其应用已深度融入现有技术体系。
AstraZeneca的AI赋能探索
AstraZeneca首席科学家Richard展示了其团队在自动化结构验证（ASV）领域的突破性进展，为AI驱动的结构解析奠定基础。其工作流整合高分辨质谱（HRMS）数据，在NMR分析前即可高置信度确定分子式。这种"分子式+最小化NMR数据"策略，在保持高通量的同时，实现了异构体产物的精准区分。
Richard强调，系统可容忍偶发性误判，但必须具备"自知之明"——即识别不确定性并触发人工干预。这种"AI-科学家"协同模式，通过动态补充数据或人工解析，有效平衡了效率与准确性。AstraZeneca团队正持续推进该技术，以缓解常规结构解析与验证（SE&V）的工作负担。
在本次结构解析与验证虚拟研讨会中，我们深刻感受到自动化、数据整合及多技术联用策略正在重塑分析化学的未来。作为ACD/Labs的合作伙伴，我们欣喜地看到，保留时间建模与自动化结构验证（ASV）等工具虽面临挑战，但其提升效率与准确性的潜力已得到行业广泛认可。
我们始终坚信，高质量数据是分析工作的基石，而定制化工作流则是最大化工具价值的关键。未来，ACD/Labs将继续深耕技术创新，通过整合人工智能等前沿技术，为全球科研工作者提供更智能、更高效的解决方案。让我们携手共进，以技术赋能科学发现，共同应对分析化学领域的复杂挑战！
