副标題：生物堿全合成中的計算機輔助關鍵步驟生成

随着能模拟真人聊天、甚至能幫着做作業的人工智能（AI）程序ChatGPT的大紅大紫，朋友圈裡時不時都能看見有人曬與ChatGPT的聊天記錄。不知讀者朋友有沒有試過讓ChatGPT幫着回答一些專業點的化學問題，看看這個AI程序能強到什麼程度。

談到這個，是因為計算機領域的發展也在推動着甚至改變着化學領域的發展。此前，我們已經報道過不少計算機程序或者AI在化學研究中的應用，比如預測晶體制備策略（Nature, 2016, 533, 73, 點擊閱讀詳細），根據分子結構預測氣味（Science, 2017, 355, 820, 點擊閱讀詳細），反應條件優化（Nature, 2021, 590, 89, 點擊閱讀詳細），獨立自主地探索化學新反應和新分子（Nature, 2018, 559, 377, 點擊閱讀詳細），以及設計複雜天然産物的全合成路線（Nature, 2020, 588, 83, 點擊閱讀詳細）。近日，美國密西根大學的Tim Cernak教授課題組又在這一領域取得了突破，他們在Science 雜志上報道了一種新的計算策略，結合計算機輔助合成規劃（computer-aided synthesis planning，CASP）與分子圖編輯（molecular graph editing）以最大限度地縮減生物堿合成的所需步驟。作為例證，通過利用高影響關鍵步驟他們成功地将(–)-stemoamide（1）的對映選擇性全合成縮短為僅僅三步。其中關鍵之處在于計算機算法建議的Mannich反應，有意思的是，在此前報道過的30多種(–)-stemoamide全合成路線中從未涉及到該反應。

圖1. 關于1的兩個逆合成規劃。圖片來源：Science

複雜天然産物全合成，尤其是生物堿全合成，被看作是科學與藝術的結合，直到今天也是化學領域的研究熱點。除了攻克一個又一個的複雜結構，化學家們還在追求讓全合成更高效——路線盡量短、收率盡量高、條件盡量溫和。通常情況下，高效的全合成一般通過優化關鍵步驟（如：環加成、串聯或多組分偶聯反應）來同時形成許多必要的目标鍵，以便快速實現所需的結構複雜度。盡管關鍵步驟的概念為化學家所熟知，但其尚未應用于CASP中。事實上，現代CASP策略旨在最大限度地減少保護基操作并最大限度地提高收斂性，但自動化逆合成的重點則是放在編碼反應規則上以在預測路線的實驗中實現最大的可靠性。同時，最先進的人工合成策略通過采用創新但風險性較高的關鍵步驟并最大限度地減少低影響步驟（如：保護基操作、不必要的氧化還原操作和官能團的相互轉換）來最大限度地提高步驟經濟性和原子經濟性。

盡管現代CASP設計的路線已在藥物合成中有所應用，但卻很少用于生物堿的全合成中。為此，作者選擇從百部科植物中分離出來的生物堿stemoamide（1）為目标分子，它的四個手性中心和稠合環結構将帶來足夠的挑戰，而且它32條已被報道的合成路線也視為有效的比較基準。如圖1所示，Route 1計劃去除α-甲基并切斷氮雜環的C-N鍵得到烯烴2，而2是由CASP推薦的關鍵步驟——有機催化的Mannich烯丙基化-内酯化序列産生的，進一步簡化為起始原料3、4和兩當量的醛5；而Route 2則源于CASP和圖編輯策略的推演，其中CASP推薦的Schmidt-Aubé重排是一個關鍵的簡化元素。環丁酮中間體6利用關鍵的Michael加成和烷基化可進一步分解為原料7、8、9和10。

圖2. 通過圖編輯分析識别關鍵步驟。圖片來源：Science

作為從CASP生成路線中最大限度縮減步數的第一次嘗試，(–)-1在軟件SYNTHIA 中進行了自動逆合成，其中有機催化的Mannich反應出現在了每條預測路線中（圖2A），這讓作者感到很意外，因為先前的32種合成路線中從未涉及到該反應。然而，即使最短的計算路線也需要7步，因此作者引入分子圖編輯以通過最大化高影響轉化和最小化低影響轉化來編輯計算路線。如圖2B所示，作者将每個中間體（包括起始原料和最終目标）的分子圖編碼為單獨的鄰接矩陣，其中行數和列數等于整個合成路線重原子和基團的總數。通過這種方式，最終目标的所有鍵、從起始原料出發的反應路徑以及合成中使用的任何讓步基團都被準确地映射到每個單獨的矩陣中，并與最終目标的矩陣相關（圖2C）。對1的矩陣（圖2B，右）進行簡單比較後，作者發現其與計算的倒數第二個中間體14（圖2B，中）共享更多條目（99%），并且比與起始原料3、11、12、8和HBr的矩陣多（圖2B，左）（93%）。因此，關鍵步驟最大限度地減少了從給定中間體到目标的圖編輯距離（graph edit distance），這相當于最大限度地形成目标鍵，同時最大限度地減少反應操作。另外，通過圖編輯距離對已發表的全合成進行的研究表明，不同的關鍵步驟很容易可視化。值得一提的是，1的最短計算路徑的完整圖分析揭示了Mannich偶聯的影響（圖2D），即圖編輯距離圖中最陡峭的下坡步驟（黃色）。

圖3. 基于不對稱有機催化Mannich反應的1的全合成。圖片來源：Science

盡管計算顯示Mannich反應為關鍵步驟，但仍有待改善的地方，例如：C2和C11在1中都處于羧基氧化态，因此考慮到氧化還原經濟性，可以協調11和12的氧化态以減少兩個步驟，即兩當量的市售醛5在self-Mannich反應中結合（圖3A），接着在反應後期安裝手性α-甲基，而先前的報道已證實非對映選擇性甲基化在 1的幾種合成中作為最後一步是可行的。具體合成路線如下：将3與四倍過量的醛5和20 mol% L-脯氨酸溶于DMF中并在-15 °C進行攪拌，然後向其中加入烯丙基溴化物4、鋅、氯化铋并升溫至室溫就可通過中間體Mannich加合物15得到主要産物——内酯16。随後，通過過濾從反應混合物中除去過量的鋅和不溶性物質，并将粗濾液用三氟乙酸進行處理、經柱色譜純化以33%的總收率、38:1 dr值、99% ee值得到内酰胺17，這意味着通過兩步序列就能以高選擇性快速構建五個鍵、兩個環和三個立體中心，并且隻需一次柱色譜純化。接下來，要進行17的氫溴化，但在實驗過程中CASP建議的策略（使用氫溴酸）得到了難以處理的混合物。為此，作者将烯烴17轉化為伯醇18，然後進行溴化和原位脫除對甲氧基苯基得到19，最後經環化和非對映選擇性烯醇烷基化安裝C10甲基便可合成( )-1，總共6步并且僅需四次柱色譜純化。此外，作者還對通過計算路線的修改而産生的實驗路線進行了圖編輯分析（圖3B），其中Mannich烯丙基化關鍵步驟的高影響顯而易見，而且随後完成合成所需的官能團相互轉化的影響也很低。為了獲得步驟更少的合成路線，作者生成了數百條額外的計算路線以得到1及其相關的後期中間體（如20）。有趣的是，其中一種計算策略涉及到一種特殊的環丁酮中間體（6的類似物，圖4A），後續可通過Schmidt-Aubé重排合成1。具體而言：從市售原料7出發，經Brown烯丙基化獲得中間體21（産率：58%，ee值：89%）。接着，用正丁基锂使22去質子化，并将21添加到陰離子的冷溶液中，然後用碘甲烷捕獲中間體烯醇化物并用鹽酸水溶液淬滅反應混合物，便可以88%的産率和4:1 dr值得到酮 6，再與疊氮基三甲基矽烷經2-亞碘酰基苯甲酸（IBA）催化的反馬氏加氫疊氮化反應得到中間體23，最後經Lewis酸誘導的假定中間體 24 的分子内Schmidt-Aubé重排便可實現(–)-1的全合成，整個過程的最長線性步驟（LLS）為3步，總産率為22%，比上圖中的合成步數減少一半。

圖4. 基于Schmidt-Aubé重排的1的全合成。圖片來源：Science

在1的六步合成中可以很容易地觀察到步驟影響，其中第一個有機催化的Mannich烯丙基化步驟顯著增加了3、5和4到1的圖相似性，安裝了産生1所需的 45% 的化學鍵（圖3B）。這個高影響步驟之後是一系列低影響步驟（如：保護基操作和官能團相互轉換），可很容易通過圖3B中的淺斜率識别。相比之下，3步合成路線效率更高，分别為中間體到1的圖相似性貢獻了17%、55%和28%（圖4B），并且關鍵步驟是從一千多個計算的逆合成路線的分析中選出的。此外，圖編輯距離技術還可用于突出顯示路線中的捷徑，即通過将圖編輯圖中具有适度斜率的相鄰轉換組合為一個快捷步驟來實現。例如，Mannich路線中的第3、4和5步原則上可以組合為整體的反馬式加氫酰胺化，因此可以用硝酸铈铵（CAN）淬滅TFA促進的内酰胺化（step 2）以産生17的類似物，其中PMP基團從3中去除，總收率為33%，然後該類似物可以一步法轉化為中間體20，最終以四步實現1的全合成。

總結

Tim Cernak教授課題組通過(–)-stemoamide的對映選擇性三步全合成，突顯了現代 CASP為中等複雜目标分子規劃可行合成路線的能力。本文的方法表明，可以将來自不同 CASP 路線建議的多個高影響步驟結合起來以得出更簡潔的合成路線。在當前的研究中，作者将步數作為唯一的優化指标，但未來重要的現實指标（如試劑成本、砌塊可用性、預測産率）可以很容易地作為加權距離指标納入。随着自動話逆合成的進一步發展，複雜的分子包括藥物分子将會更容易獲得。

Computer-aided key step generation in alkaloid total synthesis

Yingfu Lin, Rui Zhang, Di Wang, Tim Cernak

Science, 2023, 379, 453-457, DOI: 10.1126/science.ade8459

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!