AI 进入有机化学？从 Claude 读 NMR 到 OpenAI 优化 Chan-Lam
TEMPO 在有机化学里不是一个陌生词。很多人第一次认真遇到它，是在“自由基捕获剂”这一栏：如果一个反应怀疑走自由基，加入 TEMPO 后反应被抑制，或者抓到 TEMPO adduct，往往会被当作机制线索。[S009]
TEMPO 在有机化学里不是一个陌生词。很多人第一次认真遇到它，是在“自由基捕获剂”这一栏：如果一个反应怀疑走自由基，加入 TEMPO 后反应被抑制，或者抓到 TEMPO adduct，往往会被当作机制线索。[S009]
也正因为如此，OpenAI/Molecule.one 这篇 Chan-Lam 工作最勾人的地方，不只是 AI 推荐了 TEMPO。真正有意思的是：它推荐的是一个按许多化学家的第一直觉看，未必该让 Chan-Lam 更顺的添加剂。
Chan-Lam 的经典图像通常写成 Cu(II)/Cu(III) 的两电子循环，Cu(I) 再由 O₂/air 氧化回去；但综述也反复提醒，这套反应还没有一个可以覆盖所有底物和条件的完整机理，铜物种、底物、硼试剂和氧化剂都会改变路径。[S006] 在 alkylboron 扩展里，自由基捕获和 radical clock 甚至已经成为证明 radical pathway 的常用证据。[S010]
如果你先把“铜 + 氧化剂 + organoboron reagent”想成一个带有自由基阴影的体系，TEMPO 加进去更像踩刹车，而不是踩油门。可这篇论文的结果恰恰相反：TEMPO 在 primary sulfonamide 的 Chan-Lam N-arylation 中提高目标产物，同时压低 oxidative deboronation。[S001]
这就是这个 AI 化学故事真正迷人的地方：它不是给出一个合成教科书里的标准答案，而是把一个看起来有点别扭的老线索，放进一万多个真实反应里验收。
最近有两个信号落在同一条脉络上。一个是 Claude 开始读懂化学家的表征语言——NMR、SMILES、HRMS——像一段前奏；另一个更进一步：OpenAI 和 Molecule.one 把 GPT-5.4 接进真实的反应开发闭环，让一个关于 TEMPO 的假设，去接受 HTE 和台架实验的正面审问。
这篇文章想讲的，是后一个信号。
先给结论：
- 最大的看点是形式：一家 AI 公司和一家化学自动化公司合作，产出了一篇真正按有机方法学标准组织的论文——不是 demo，不是论文总结，而是能放上审稿桌的东西。
- 最反直觉的化学点是 TEMPO：它有 Chan-Lam 历史先例，但不是这个反应的标准添加剂；作为常见 radical trap，它出现在一个铜/氧化剂/硼试剂体系里，本来就带着机制张力。
- 化学结论本身也站得住：在 primary sulfonamide 的 Chan-Lam coupling 里，TEMPO 同时提高目标产物、压低 oxidative deboronation 这个关键失败路径。
- 更准确的读法：AI 作为 scientific knowledge engine，开始把文献、反应数据、HTE 结果和人工判断，接成一个可验证的循环。
真正的新意：AI 输出进入实验闭环
过去几年，AI 做化学最常见的讲法是 retrosynthesis、property prediction、reaction prediction，或者读完一篇论文给出漂亮总结。问题是，这些能力离有机化学家的日常工作创造化合物，还隔着一层：你可以说得很像，但产物到底有没有？谱图对不对？副反应去了哪里？换一组底物还行不行？
Claude 的 NMR 工作，正好提供了一段前奏。它不是这篇 OpenAI/Molecule.one 论文的一部分，但适合放在同一条脉络里看：通用模型开始处理化学家每天面对的表示系统——结构、SMILES、1D NMR peak list、HRMS、文献 SI。Anthropic 报告里，Claude Opus 4.7 在一个小规模 benchmark 上，对 1H NMR shift prediction 做到 0.079 ppm MAE，并能在给定 1D NMR/HRMS 时反推部分结构。[S004][S005]
这一步远没有解决全部谱图解析，Anthropic 自己也写了边界：样本小，2D NMR 和 stereochemistry 不在范围内。它真正说明的只有一件事——模型开始会在化学家的几种语言之间来回翻译。
OpenAI/Molecule.one 这篇工作，把问题往前推了一格：模型不再只读谱、只给路线建议，而是被接进实验循环。OpenAI 官方文章把它称作 接近自动化，而不是 全自动化——这个词很关键，因为人类化学家仍然在选择 proposal、修正实验计划、协助操作，并最终做台架验证。[S003]
可以把这套系统读成一个分工模型：Maria （高通量反应平台）负责把合成计划和实验执行落地，GPT-5.4 在文献、反应经验和真实实验反馈之间提出可检验的连接：高通量反应 把这个连接打成能验收的结果，人类化学家做判断、纠错和最终把关。
这也是“AI 作为 科学发现引擎”这个说法值得咱们注意的地方：未来 drug discovery 里的 AI，可以把原本散落在文献、reaction dataset 和实验读数里的知识重新连起来。区别在于，这一次它没有停在口号里，而是落成了一篇 Chan-Lam 方法学文章。
为什么选 一级磺酰胺底物的 Chan-Lam 偶联？
药化对Chan-Lam coupling 很熟：铜催化，有机硼试剂 和 N-H/O-H/S-H 等亲核剂 偶联，能做 C-N、C-O、C-S bond。它的吸引力在于条件温和、金属便宜、对空气和水分没那么娇气。
但 一级磺酰胺 是一个很别扭的 亲核剂。磺酰基把氮的亲核性拉低，底物极性又强，条件稍微不对，反应就变成低收率、杂峰多、scope 难看。
更麻烦的是，失败不只来自 sulfonamide 本身。Chan-Lam 里 芳硼酸 也会走偏：C-B bond 被氧化切断，形成 苯酚 副产物，也就是论文反复追踪的 氧化去硼化产物。进一步，生成的 phenol 还可能作为亲核剂 继续参与 Chan-Lam O-芳基化，进一步吃掉 boronic acid。换句话说，问题不只是“目标产物生成慢”，而是 coupling partner 被旁路吃掉了。
这正是 TEMPO 结果有意思的地方。直觉上，你可能以为 Chan-Lam 既然需要氧化剂，那就加更强的氧化剂。但这篇论文显示，很多强氧化剂反而把 boronic acid degradation 推得更厉害。TEMPO 的表现不一样：它提高目标 C-N bond formation，同时降低 oxidative deboronation。[S001]
这里要补一层文献背景：TEMPO 不是凭空冒出来的新添加剂。Lam 2001 年那篇早期工作已经把 catalytic Cu(OAc)₂/TEMPO in air 和 Cu(OAc)₂/O₂ 系统并列写入摘要。[S007] 后来 Bao 和 Tranmer 也在 solid copper flow reactor 体系中使用过 acetic acid/TEMPO 条件。[S008] 2025 年还有 4-OH TEMPO 参与的 aminopyridine/arylboronic acid oxidative annulation 先例。[S001]
但这不等于 TEMPO 是 Chan-Lam 的标准操作。2019 年 Chan-Lam amination 机制综述仍把 O₂ 写作最常见的 terminal oxidant；OpenAI/Molecule.one 这篇文章也明确说，TEMPO 在早期 Lam 工作之后长期缺少系统发展，他们只找到两个有意识把 TEMPO/4-OH TEMPO 纳入方法学开发的后续研究。[S001][S006]
所以这里的重点不是“AI 发明了 TEMPO”，而是“AI 把一个并非主流默认条件、甚至带有机制反直觉感的旧线索，重新放进系统 HTE 里验证”。
因此，TEMPO 的故事不是“加了一个神奇氧化剂”，而是更细的一件事：它似乎把反应的失败流向，从 boronic acid decomposition 拉回到 productive N-arylation。
这里要小心一条边界。论文数据支持这个解释，但没有把完整机制证完。更稳妥的说法是：HTE 的 side-product profile 支持 TEMPO 在这组条件下抑制 oxidative deboronation；至于它究竟如何调节 Cu redox chemistry、organoboron fate 和 off-cycle pathway，还需要专门的机制实验。
一万多个反应的价值，是防止漂亮例子骗你
这篇方法学文章最硬的部分，是 HTE 设计。
作者做了两轮 microscale high-throughput experimentation，共 10,080 个反应。底物矩阵覆盖 12 个 primary sulfonamides 和 8 个 boronic acids，每轮形成 96 个 substrate-pair combinations；筛选的反应条件维度包括 oxidant identity、oxidant loading、copper source/loading、base、solvent、temperature 和 substrate structure。[S001][S002]
第一轮主要问一个问题：外加 oxidant 到底有没有帮助？答案很清楚——有些 oxidant 看上去“更会氧化”，对这个体系却不一定更好。p-benzoquinone、H₂O₂、Dess-Martin periodinane、Selectfluor、sodium percarbonate、Oxone、ammonium persulfate 等条件，往往降低 productive coupling 或加重 boronic acid degradation。TEMPO 是少数能同时改善目标产物和副反应 profile 的条件。
第二轮围绕 TEMPO 做优化，最终条件是 2 equivalents TEMPO 加 20 mol% Cu(OAc)₂。和 no-oxidant control 相比，平均 产率 从 16.6% 提到 25.2%；超过 30% estimated yield 的反应比例，从 15.6% 提到 37.5%。[S001]
这组数字不要读成“一个已经很高收率的工艺”。25.2% 的平均估算收率并不华丽。但它对方法学筛选很有意义，因为 一级磺酰胺的 Chan-Lam 本来就难；而且更关键的指标是——可用反应的比例翻了一倍多。
论文还做了 side-product tracking：在 20 mol% copper loading 下，oxidative deboronation 从 no-oxidant 的 37.3% 降到 2 equivalents TEMPO 的 30.2%。这个数字让 TEMPO 的解释更有说服力：它不是把所有氧化过程一起推高，而是在这个体系里，让目标偶联和 boronic acid degradation 之间的平衡变得更有利。[S001]
真实验证，让结果离“真实化学”更近一步
HTE 最大的问题，是微量反应容易产生“幻觉”。所以这篇文章另一个重要动作，是把代表性底物拿到 毫克级 做 实际反应瓶中的验证。
结果发现，TEMPO 对于 11个 代表性的底物 中得到确认（共验证 14 个），多数情况下 LC-PDA-MS yield 提升超过两倍。产物 identity 用 1H NMR 确认，部分 yield 用 qNMR 计算。[S001][S002]
这一步非常重要。AI 参与提出 实验假设 并不稀奇，真正难的是让 这个假设 进入化学家的确认语言：LC-PDA-MS、qNMR、1H NMR、反应瓶操作、代表性底物、失败底物。
scope 也不是平均铺开的。论文特别指出，缺电性的 硼酸 在 HTE 和 bench validation 中收益更一致；而带 basic tertiary amine 的某些 boronic acid 会明显压低表现，可能与铜催化剂被竞争配位、发生 poisoning 有关。[S001]
这恰恰是一篇有机方法学文章该有的样子：既展示可用的 substrate scope，也老实告诉你什么地方可能不好用。
TEMPOL，让故事多了一点 process chemistry 味道
TEMPO 本身有用，但一旦走向 process chemistry，成本、残留、workup 都会变成问题。论文因此测了一组相关 aminoxyl additives：TEMPO、4-hydroxy-TEMPO、4-oxo-TEMPO，以及非自由基的 PMP 对照。
结果发现，4-hydroxy-TEMPO（也就是 TEMPOL）保持了与 TEMPO 类似的 对反应催化活性，而 4-oxo-TEMPO 和 PMP 明显差一截。这说明效果不是随便放一个 sterically hindered piperidine scaffold 就能得到——结构和 aminoxyl radical 的特征很重要。[S001]
TEMPOL 的额外吸引力在于：它更便宜；而且因为 C-4 hydroxyl 更极性，理论上更容易通过 aqueous extraction 从反应混合物里洗掉。这里仍要保守——这只是 process-relevant potential，不是 API manufacturing validation。但它让这个发现，从一个 HTE curiosity 往 practical route scouting 的方向，多走了一步。
AI 开始接受化学家的验收标准
不过先别急着感叹咱有机化学家的吃饭家伙被夺走了。
理解成“AI 独立发现新反应”，是过度包装。OpenAI 官方文章说得很清楚：人类仍然设计 steering/grading prompts、挑选进入实验的 proposals、修正部分实验计划、协助基础操作，并手动重复关键实验。[S003]
理解成“AI 只是推荐了一个添加剂”，又把它讲小了。**真正的变化是，模型进入了一个可以迭代的研究循环：提出假设 → 设计实验 → 读 HTE 数据 → 再提出 follow-up。**scientific knowledge engine 这个说法的价值，不在于宣称模型比化学家聪明，而在于它能在更大的知识空间里找连接，再把连接交给实验系统去筛——筛掉假的，留下可能真的。
对合成与药化团队来说，这种能力的潜在价值很具体：让合成路线和 lead optimization 里的瓶颈更早暴露。哪条 路线 可能被副反应吃掉？哪个 添加剂选项 值得跑 HTE 验证？哪类底物应该优先做反应瓶验证？哪些失败其实是同一个失败模式 的不同表现？
更保守，但更重要的结论
这篇工作还有几件事没有证明。
它没有证明 AI 能独立跑完整个 化学研究过程；没有证明 TEMPO 适用于所有 Chan-Lam coupling；没有证明机制已经清楚；也没有证明这个条件能直接进制造工艺。HTE yield 是估算值，bench validation 是代表性验证，下一步还需要独立实验室复现、更宽的 substrate scope、更细的机制研究，以及更贴近实际的 process condition 测试。
但这些限制不削弱它的意义，反而说明它已经进入了一个更严肃的评价体系。
AI in chemistry 过去常被问的是：“它答得像不像？” 这篇工作把问题换成了：“它提出的假设，能不能被反应矩阵、LC-MS、NMR、qNMR、台架验证和失败例外一起审问？”
如果未来 AI 药物发现真的有用，它大概率不会表现为一个模型凭空生成神药。更朴素、也更可能发生的路径是：把隐藏在文献、实验数据和化学直觉里的连接提前拎出来，让自动化实验系统快速验证，再让人类化学家判断它能不能变成一个可靠方法。
这才是 OpenAI/Molecule.one 这篇 Chan-Lam 工作最值得保存的地方——它没有宣布化学家退场，却把 AI 的输出，认真推到了有机方法学的审稿桌前。
所以，值得紧张的，不是 AI 能不能背出 Chan-Lam 的机理——它当然能。真正值得紧张的是，它开始不再满足于“说得像”，而是把自己的判断交给 LC-MS、NMR 和一万多个真实反应去验收。
Sources
| Source ID | Citation | URL / DOI / PMID | Notes |
|---|---|---|---|
| S001 | Rzymkowski, Zhang, Chołuj, et al. TEMPO Improves Generality and Decreases Oxidative Deboronation in Chan-Lam Couplings of Primary Sulfonamides. | OpenAI PDF | Anchor chemistry paper |
| S002 | Supporting Information for S001. | OpenAI SI PDF | HTE, LC-PDA-MS, qNMR/NMR procedures |
| S003 | OpenAI. A near-autonomous AI chemist improves a challenging reaction in medicinal chemistry. | OpenAI project article | Workflow and limitation framing |
| S004 | Anthropic. Making Claude a chemist. | Anthropic research article | Contextual hook for NMR/chemistry representation |
| S005 | Anthropic white paper. How Claude performs on NMR prediction and structure elucidation. | Anthropic white paper PDF | Quantitative NMR benchmark context |
| S006 | West, Fyfe, Vantourout, Watson. Mechanistic Development and Recent Applications of the Chan-Lam Amination. Chem. Rev. 2019. | DOI; author manuscript | Mechanism and O₂/air context |
| S007 | Lam, Vincent, Clark, Deudon, Jadhav. Copper-catalyzed general C-N and C-O bond cross-coupling with arylboronic acid. Tetrahedron Lett. 2001. | DOI | Early Cu(OAc)₂/TEMPO and Cu(OAc)₂/O₂ precedent |
| S008 | Bao, Tranmer. The solid copper-mediated C-N cross-coupling of phenylboronic acids under continuous flow conditions. Tetrahedron Lett. 2016. | DOI | Rare later TEMPO-containing Chan-Lam precedent |
| S009 | Kischkewitz, Okamoto, Marder. New avenues for C-B bond formation via radical intermediates. Chemical Science 2019. | DOI | TEMPO as well-established radical trapping reagent |
| S010 | Xiao, Cao, Xiong, Yang. Overcoming limitations in Chan-Lam amination with alkylboronic esters via aminyl radical substitution. Nat. Commun. 2025. | Nature Communications | Radical-pathway context in alkylboron Chan-Lam expansion |