Soporte de interpretación del espectro: RMN, IR y espectrometría de masas

Ganancias:

• Capacidad para comprender lo que muestran la RMN, el IR y la EM y utilizar la inteligencia artificial como probador de hipótesis en función de la estructura esperada.
• Capacidad para comprobar la coherencia de las asignaciones proporcionando detalles completos, como integración, división, solucionador y umbral de ppm.
• Capacidad para comprender que la asignación de la estructura final recae en el químico que examina el espectro experimental y que se deben utilizar múltiples técnicas juntas.

Cuando se sintetiza un compuesto, la verdadera pregunta es: "¿Realmente obtuve la molécula que quería?" Esto se responde mediante espectroscopia. Tres técnicas básicas: RMN (lee el entorno magnético de los núcleos y muestra la vecindad de los átomos), IR (lee la vibración de los enlaces en la molécula y muestra los grupos funcionales) y espectrometría de masas (EM) (muestra la masa y el patrón de fragmentación de la molécula). La IA es un poderoso asistente a la hora de interpretar estos espectros: agrupa picos, sugiere posibles asignaciones y comprueba la coherencia. Pero la asignación final de la estructura la realiza el químico que ve y evalúa el espectro experimental. En esta unidad aprenderemos a utilizar la IA en la interpretación del espectro de forma supervisada.

Lo que dicen las tres técnicas

• RMN 1H: muestra el número de átomos de hidrógeno, sus vecinos (patrón de escisión) y el entorno químico (valor de desplazamiento, ppm). Por ejemplo, a ~7 ppm las señales sugieren hidrógenos aromáticos, a ~2 ppm un grupo acetilo singlete.
• RMN 13C: muestra el esqueleto de carbono; el carbono carbonilo aparece a ~170-200 ppm.
• IR: Indica grupos funcionales; ~1700 cm⁻¹ carbonilo (C=O), ~3300 cm⁻¹ de banda ancha OH o NH.
• MS: el pico de iones moleculares (M⁺) proporciona el peso molecular, las fragmentaciones dan pistas sobre la estructura. La EM de alta resolución (HRMS) confirma la fórmula molecular.

La IA conoce bien los rangos típicos de estos valores. Entonces "¿Cuánto podrían ser 1710 cm⁻¹?" Responde a la pregunta de forma fiable. Donde es débil es en realizar asignaciones sin ver los detalles finos del espectro experimental real (picos superpuestos, señales de impurezas).

Sugerencia: entregue el espectro a la IA como “datos sin procesar + estructura esperada” y pregunte “¿son estos datos consistentes con esta estructura?” preguntar. El uso de la IA como probador de hipótesis plantea la pregunta "¿qué compuesto es este espectro?" Es mucho más confiable que preguntar desde cero.

Paso a paso: Interpretación del espectro con IA

1. Da la estructura esperada: Da las SONRISAS del compuesto que sintetizaste. Deja que la IA te diga qué esperar primero.
2. Exporte datos sin procesar: ingrese listas de picos (desplazamientos de RMN, integraciones, divisiones; bandas de IR; valores de MS m/z) de manera ordenada.
3. Haga una pregunta de coherencia: "¿Son estos datos consistentes con la estructura esperada? ¿Qué pico corresponde a qué átomo?"
4. Busque lagunas: "¿Hay un pico esperado pero no visible? ¿Hay un pico inesperado (impureza)?"
5. Prueba alternativa: si hay inconsistencia, "¿qué otra estructura explica mejor estos datos?"
6. Decisión humana: confirmas la asignación final examinando el espectro experimental.

Cuatro plantillas copiables

1) Verificación de consistencia de 1H NMR:

Compuesto esperado: 4-metoxiacetofenona (SONRISAS: COc1ccc(cc1)C(C)=O). Lista de picos de RMN 1H (CDCl3): - 7,93 ppm (2H, d) - 6,93 ppm (2H, d) - 3,87 ppm (3H, s) - 2,56 ppm (3H, s) Tarea: 1) Cada pico se asigna a un hidrógeno grupo ata.2) ¿Son consistentes el número H total y la integración? 3) ¿Hay picos faltantes o inesperados? La decisión final depende de mí; Da tu análisis de consistencia.

2) grupo funcional IR:

Bandas significativas de IR (cm^-1): 1675, 1600, 1258, 2840. El compuesto esperado contiene una cetona aromática y un grupo metoxi. Tarea: Asigne cada banda a un posible vínculo/grupo. Explique por qué 1675 cm^-1 y no 1715 (¿efecto de conjugación?).

3) Verificación de fórmula MS:

[M+H]+ = 151,0754 medido por HRMS. Compuesto esperado: 4-metoxiacetofenona (C9H10O2). Tarea: Calcular la masa teórica de [M+H]+ para C9H10O2, encontrar la diferencia en ppm con la medida, comentar si es consistente. Nota: También comprobaré las masas monoisotópicas exactas.

4) Combinación multitécnica:

Los tres datos siguientes pertenecen a un compuesto:- IR: ancho 3300 cm^-1, 1710 cm^-1.- 1H NMR: 12 ppm de ancho 1H, 2,4 ppm 2H t, ...- MS: M+ = 88. Tarea: Evaluar estos tres datos juntos y sugerir una posible estructura. Escriba por separado qué característica estructural respalda cada evidencia. Enumere las estructuras alternativas y explique por qué las eliminó.

Aviso débil / Aviso fuerte

Débil:

¿Qué es esta RMN? Hay picos de 7,9 y 3,9 ppm.

Sin contexto (solvente, integración, escisión, estructura esperada). La IA predice aleatoriamente un compuesto.

Fuerte:

Compuesto esperado: derivado de anisol. RMN 1H (CDCl3): 7,93 (2H, d), 6,93 (2H, d), 3,87 (3H, s), 2,56 (3H, s). Tarea: Verifique la consistencia de los picos con esta estructura, descarte cada pico, sugiera una estructura alternativa si hay inconsistencia.

La diferencia: estructura esperada, lista completa de picos (integración + escisión + disolvente) y una tarea de consistencia clara. La IA ahora prueba hipótesis, no hace predicciones.

Comparación de técnicas

técnico

que muestra

¿Es fuerte el soporte de la IA?

punto de verificación

RMN 1H

Número H, barrio, entorno.

Fuerte (asignación, integración)

Suma de integración = número de moléculas H

RMN 13C

esqueleto de carbono

Potente (intervalos de deslizamiento)

El número de carbonos debe coincidir.

IR

Grupos funcionales

Fuerte (asignación de banda)

Carbonilo, bandas OH/NH

MS/HRMS

Masa, fórmula

Medio-fuerte (cálculo de fórmula)

Masa teórica en ppm

mini casos

Caso 1: captura de picos incompleta. Un estudiante comprobó la RMN 1H de su producto con IA. YZ notó que un pico de OH que se suponía que tenía la estructura esperada no estaba en la lista y dijo que "podría ser un protón intercambiable o el producto es incorrecto". El estudiante hizo la prueba de agitación de D2O, OH estaba presente pero superpuesto. La advertencia de AI sobre el "pico faltante" provocó que se formulara la pregunta correcta.

Caso 2: Corrección de asignación incorrecta. YZ inicialmente asignó un singlete de 2,1 ppm a la metilcetona; pero la integración fue 2H en lugar de 3H. El usuario afirmó esto, la IA actualizó la asignación a un grupo CH2. Lección: deja clara la integración a la IA, o la arrojará mal.

Caso 3: error de ppm de HRMS. Se esperaba un compuesto C10H12O2 ([M+H]+ teórico 165,0910). Medido 165.0912; una diferencia de 1,2 ppm es aceptable (<5 ppm). La IA hizo este cálculo, pero el usuario también comprobó las masas monoisotópicas con una herramienta independiente; valores superpuestos. Lección: Realice la validación de fórmulas de MS con umbral de ppm, no diga "cerca" a simple vista.

Errores comunes

• Preguntar sin dar la estructura esperada. Obligar a la IA a adivinar desde cero aumenta la tasa de error; Pruebe la hipótesis.
• Saltarse la integración/escisión. Sin esta información en RMN, la asignación no es confiable.
• Olvidando el pico de disolvente. Asignar señales de disolvente como CDCl3 ~7,26 ppm, DMSO ~2,50 ppm al compuesto.
• Ignorando el patrón isotópico en la EM. En compuestos que contienen cloro/bromo, el patrón M+2 proporciona información sobre la estructura.
• Apoyándose en una única técnica. Considerar la RMN, la IR y la EM juntas es mucho más sólido que confiar en cualquiera de ellas por separado.
• Aprobar el espectro experimental sin verlo. La IA interpreta la lista de picos; Hay que observar el espectro real en busca de detalles como superposición, impurezas, etc.

Atención: Sólo porque la IA diga "consistente" en la interpretación del espectro no significa que la estructura sea absolutamente correcta; simplemente significa "estos datos no descartan esta estructura". La asignación precisa requiere múltiples técnicas y juicio humano.

En resumen

• RMN indica vecindad, IR indica grupo funcional, MS indica masa/fórmula; Son poderosos cuando se usan juntos.
• Utilice la IA como probador de hipótesis: proporcione la estructura esperada + datos sin procesar y solicite coherencia.
• Ingrese detalles completos como integración, división, solvente y umbral de ppm.
• Realizar la validación de la fórmula HRMS con umbral numérico de ppm; No descuide el patrón de isótopos de MS.
• La asignación de estructura final depende del químico que examina el espectro experimental.

Tarea de aplicación

Obtenga datos reales de RMN, IR y MS de un compuesto que usted sintetizó (o recuperó de un artículo bibliográfico). Primero dale SONRISAS a la IA y pregunta "¿qué debo esperar?" ', luego proporcione los datos sin procesar y haga que verifiquen su coherencia. Intente encontrar una asignación correcta y otra incorrecta/incompleta de la IA en cada técnica. Calcule la diferencia de masa teórica y medida en ppm para HRMS. Traza los hallazgos en una tabla.

lista de verificación

• [] Sé lo que muestran la RMN, el IR y la EM.
• [] Le doy la estructura esperada a la IA y pruebo la hipótesis.
• [] Entro por completo a la lista de integración, división, solvente y pico.
• [] Hago la verificación HRMS numérica con umbral de ppm.
• [] Evalúo múltiples técnicas juntas.
• [] Confirmo la asignación final examinando el espectro experimental.