กำไร:
- ความสามารถในการทำความเข้าใจสิ่งที่ NMR, IR และ MS แสดง และใช้ปัญญาประดิษฐ์เป็นตัวทดสอบสมมติฐานตามโครงสร้างที่คาดหวัง
- ความสามารถในการตรวจสอบความสอดคล้องของการมอบหมายงานโดยให้รายละเอียดที่ครบถ้วน เช่น การบูรณาการ การแยกตัวแก้ปัญหา และเกณฑ์ ppm
- ความสามารถในการทำความเข้าใจว่าการกำหนดโครงสร้างขั้นสุดท้ายขึ้นอยู่กับนักเคมีที่กำลังตรวจสอบสเปกตรัมการทดลอง และต้องใช้เทคนิคหลายอย่างร่วมกัน
เมื่อคุณสังเคราะห์สารประกอบ คำถามที่แท้จริงก็คือ "ฉันได้โมเลกุลที่ต้องการจริงๆ หรือไม่" นี่คือคำตอบด้วยสเปกโทรสโกปี เทคนิคพื้นฐานสามประการ: NMR (อ่านสภาพแวดล้อมแม่เหล็กของนิวเคลียสและแสดงบริเวณใกล้เคียงของอะตอม), IR (อ่านการสั่นสะเทือนของพันธะในโมเลกุลและแสดงหมู่ฟังก์ชัน) และแมสสเปกโตรเมทรี (MS) (แสดงมวลและรูปแบบการกระจายตัวของโมเลกุล) AI เป็นตัวช่วยที่ทรงพลังในการตีความสเปกตรัมเหล่านี้: กลุ่มจุดสูงสุด เสนอแนะงานที่เป็นไปได้ ตรวจสอบความสอดคล้องกัน แต่การกำหนดโครงสร้างขั้นสุดท้ายนั้นทำโดยนักเคมีที่เห็นและประเมินสเปกตรัมการทดลอง ในหน่วยนี้ เราจะเรียนรู้การใช้ AI ในการตีความคลื่นความถี่ในลักษณะที่มีการควบคุมดูแล
สิ่งที่ทั้งสามเทคนิคพูด
- 1H NMR: แสดงจำนวนอะตอมไฮโดรเจน เพื่อนบ้าน (รูปแบบการตัดแยก) และสภาพแวดล้อมทางเคมี (ค่าชิฟต์, ppm) ตัวอย่างเช่น ที่ ~7 ppm สัญญาณบ่งบอกถึงไฮโดรเจนอะโรมาติก ที่ ~2 ppm ต่อหมู่อะเซทิลเสื้อกล้าม
- 13C NMR: แสดงโครงกระดูกคาร์บอน คาร์บอนิลคาร์บอนปรากฏที่ ~ 170-200 ppm
- IR: ระบุกลุ่มการทำงาน; ~1700 cm⁻¹ คาร์บอนิล (C=O), ~3300 cm⁻¹ บรอดแบนด์ O-H หรือ N-H
- MS: พีคของไอออนโมเลกุล (M⁺) ให้น้ำหนักโมเลกุล การแยกส่วนให้เบาะแสเกี่ยวกับโครงสร้าง MS ความละเอียดสูง (HRMS) ยืนยันสูตรโมเลกุล
AI รู้ช่วงทั่วไปของค่าเหล่านี้เป็นอย่างดี แล้ว "1,710 cm⁻¹ จะเป็นเท่าใด" มันตอบคำถามได้อย่างน่าเชื่อถือ จุดอ่อนคือการทำงานโดยไม่เห็นรายละเอียดปลีกย่อยของสเปกตรัมการทดลองจริง (จุดสูงสุดที่ทับซ้อนกัน สัญญาณความไม่บริสุทธิ์)
คำแนะนำ: ให้สเปกตรัมกับ AI รวมกันเป็น “ข้อมูลดิบ + โครงสร้างที่คาดหวัง” และถามว่า “ข้อมูลนี้สอดคล้องกับโครงสร้างนี้หรือไม่” ถาม. การใช้ AI เป็นตัวทดสอบสมมติฐานจะถามว่า “สเปกตรัมนี้คือสารประกอบอะไร” มีความน่าเชื่อถือมากกว่าการถามตั้งแต่เริ่มต้น
ทีละขั้นตอน: การตีความสเปกตรัมด้วย AI
- ให้โครงสร้างที่คาดหวัง: ให้รอยยิ้มของสารประกอบที่คุณสังเคราะห์ ให้ AI บอกสิ่งที่คาดหวังก่อน
- ส่งออกข้อมูลดิบ: ป้อนรายการสูงสุด (การเปลี่ยนแปลง NMR, การรวม, การแยก, แถบ IR, ค่า MS m/z) ในลักษณะที่เป็นระเบียบ
- ถามคำถามที่สอดคล้องกัน: "ข้อมูลเหล่านี้สอดคล้องกับโครงสร้างที่คาดหวังหรือไม่ จุดสูงสุดใดสอดคล้องกับอะตอมใด"
- มองหาช่องว่าง: "มีจุดสูงสุดที่คาดหวังแต่มองไม่เห็นหรือไม่ มีจุดสูงสุดที่ไม่คาดคิด (สิ่งเจือปน) หรือไม่"
- การทดสอบทางเลือก: หากมีความไม่สอดคล้องกัน "โครงสร้างอื่นใดที่อธิบายข้อมูลนี้ได้ดีกว่า"
- การตัดสินใจของมนุษย์: คุณยืนยันการมอบหมายขั้นสุดท้ายโดยการตรวจสอบสเปกตรัมการทดลอง
เทมเพลตที่สามารถคัดลอกได้สี่แบบ
1) การตรวจสอบความสอดคล้องของ NMR 1H:
สารประกอบที่คาดหวัง: 4-methoxyacetophenone (SMILES: COc1ccc(cc1)C(C)=O).1H NMR (CDCl3) รายการจุดสูงสุด:- 7.93 ppm (2H, d)- 6.93 ppm (2H, d)- 3.87 ppm (3H, s)- 2.56 ppm (3H, s)งาน:1) แต่ละจุดสูงสุดถูกกำหนดให้กับ กลุ่มไฮโดรเจน ata.2) จำนวน H ทั้งหมดและการอินทิเกรตสอดคล้องกันหรือไม่3) มีพีคที่หายไป/ไม่คาดคิดหรือไม่ การตัดสินใจขั้นสุดท้ายขึ้นอยู่กับฉัน ให้การวิเคราะห์ความสอดคล้องของคุณ
2) กลุ่มฟังก์ชัน IR:
IR (cm^-1) ย่านนัยสำคัญ: 1675, 1600, 1258, 2840 สารประกอบที่คาดหวังประกอบด้วยคีโตนอะโรมาติกและหมู่เมทอกซี ภารกิจ: มอบหมายแต่ละวงดนตรีให้กับสายสัมพันธ์/กลุ่มที่เป็นไปได้ อธิบายว่าทำไม 1675 cm^-1 ไม่ใช่ 1715 (เอฟเฟกต์การผันคำกริยา?)
3) การตรวจสอบสูตร MS:
[M+H]+ = 151.0754 วัดโดย HRMS สารประกอบที่คาดหวัง: 4-methoxyacetophenone (C9H10O2) ภารกิจ: คำนวณมวลทางทฤษฎีของ [M+H]+ สำหรับ C9H10O2 หาความแตกต่างในหน่วย ppm กับค่าที่วัดได้ แสดงความคิดเห็นว่าสอดคล้องกันหรือไม่ หมายเหตุ: ฉันจะตรวจสอบมวลโมโนไอโซโทปที่แน่นอนด้วย
4) การรวมหลายเทคนิค:
ข้อมูลสามข้อมูลต่อไปนี้เป็นของสารประกอบ:- IR: กว้าง 3300 cm^-1, 1710 cm^-1.- 1H NMR: 12 ppm กว้าง 1H, 2.4 ppm 2H t, ...- MS: M+ = 88 งาน: ประเมินข้อมูลทั้งสามนี้ร่วมกันและเสนอแนะโครงสร้างที่เป็นไปได้ เขียนแยกกันว่าคุณลักษณะเชิงโครงสร้างใดบ้างที่แต่ละหลักฐานสนับสนุน ระบุโครงสร้างทางเลือกและอธิบายว่าเหตุใดคุณจึงยกเลิกโครงสร้างเหล่านั้น
พรอมต์อ่อน / พรอมต์แรง
อ่อนแอ:
NMR นี้คืออะไร? มีจุดสูงสุดที่ 7.9 และ 3.9 ppm.
ไม่มีบริบท (ตัวทำละลาย การบูรณาการ การแยกส่วน โครงสร้างที่คาดหวัง) AI สุ่มทำนายสารประกอบ
แข็งแกร่ง:
สารประกอบที่คาดหวัง: อนุพันธ์ของอะนิโซล 1H NMR (CDCl3): 7.93 (2H, d), 6.93 (2H, d), 3.87 (3H, s), 2.56 (3H, s) ภารกิจ: ตรวจสอบความสอดคล้องของพีคกับโครงสร้างนี้ ละทิ้งแต่ละพีค เสนอแนะโครงสร้างอื่นหากมีความไม่สอดคล้องกัน
ความแตกต่าง: โครงสร้างที่คาดหวัง รายการจุดสูงสุดทั้งหมด (การบูรณาการ + ความแตกแยก + ตัวทำละลาย) และงานด้านความสอดคล้องที่ชัดเจน ตอนนี้ AI ทดสอบสมมติฐาน ไม่ใช่คาดการณ์
การเปรียบเทียบเทคนิค
เทคนิค
แสดงให้เห็นอะไร
การสนับสนุน AI นั้นแข็งแกร่งหรือไม่?
จุดตรวจสอบ
1H NMR
หมายเลข H บริเวณใกล้เคียง สภาพแวดล้อม
แข็งแกร่ง (การมอบหมาย การบูรณาการ)
ผลรวมอินทิเกรต = จำนวนโมเลกุล H
13C เอ็นเอ็มอาร์
โครงกระดูกคาร์บอน
ทรงพลัง (ช่วงสลิป)
จำนวนคาร์บอนต้องตรงกัน
นักลงทุนสัมพันธ์
กลุ่มหน้าที่
แข็งแกร่ง (การมอบหมายวงดนตรี)
แถบคาร์บอนิล OH/NH
MS/HRMS
มวลสูตร
ปานกลาง-แรง (คำนวณตามสูตร)
มวลทางทฤษฎีเป็น ppm
กรณีขนาดเล็ก
กรณีที่ 1 — การจับจุดสูงสุดที่ไม่สมบูรณ์ นักเรียนคนหนึ่งตรวจสอบ 1H NMR ของผลิตภัณฑ์ของเขาด้วย AI YZ สังเกตเห็นว่าพีค OH ที่ควรอยู่ในโครงสร้างที่คาดไว้ไม่อยู่ในรายการ และกล่าวว่า "อาจเป็นโปรตอนที่สามารถแลกเปลี่ยนได้หรือผลิตภัณฑ์ผิดพลาด" นักเรียนทำการทดสอบการสั่นของ D2O พบว่ามี OH อยู่จริงแต่ซ้อนทับกัน คำเตือน "จุดสุดยอดที่ขาดหายไป" ของ AI ทำให้เกิดการถามคำถามที่ถูกต้อง
กรณีที่ 2 — การแก้ไขการมอบหมายงานไม่ถูกต้อง ในตอนแรก YZ กำหนดเสื้อกล้ามที่ 2.1 ppm ให้กับเมทิลคีโตน แต่การบูรณาการคือ 2H แทนที่จะเป็น 3H ผู้ใช้ระบุสิ่งนี้ AI ได้อัปเดตการมอบหมายไปยังกลุ่ม CH2 บทเรียน: ทำให้การบูรณาการชัดเจนกับ AI ไม่เช่นนั้นมันจะผิดพลาด
กรณีที่ 3 — ข้อผิดพลาด HRMS ppm สารประกอบ C10H12O2 ถูกคาดหวัง ([M+H]+ ตามทฤษฎี 165.0910) วัดได้ 165.0912; ยอมรับความแตกต่าง 1.2 ppm (<5 ppm) AI ทำการคำนวณนี้ แต่ผู้ใช้ยังตรวจสอบมวลโมโนไอโซโทปด้วยเครื่องมืออิสระ ค่าที่ทับซ้อนกัน บทเรียน: ทำการตรวจสอบสูตร MS ด้วยเกณฑ์ ppm อย่าพูดว่า "ปิด" ด้วยตา
ข้อผิดพลาดทั่วไป
- ถามโดยไม่บอกโครงสร้างที่คาดหวัง การบังคับให้ AI เดาตั้งแต่เริ่มต้นจะเพิ่มอัตราข้อผิดพลาด ทดสอบสมมติฐาน
- ข้ามการรวมตัว/ความแตกแยก หากไม่มีข้อมูลนี้ใน NMR การมอบหมายงานจะไม่น่าเชื่อถือ
- ลืมจุดสูงสุดของตัวทำละลายไปได้เลย การกำหนดสัญญาณตัวทำละลาย เช่น CDCl3 ~7.26 ppm, DMSO ~2.50 ppm ให้กับสารประกอบ
- ไม่สนใจรูปแบบไอโซโทปใน MS ในสารประกอบที่มีคลอรีน/โบรมีน รูปแบบ M+2 จะให้ข้อมูลเกี่ยวกับโครงสร้าง
- อาศัยเทคนิคเดียว การพิจารณา NMR, IR และ MS ร่วมกันมีความแข็งแกร่งกว่าการพึ่งพาอย่างใดอย่างหนึ่งเพียงอย่างเดียว
- เพื่ออนุมัติสเปกตรัมทดลองโดยไม่เห็นมัน AI ตีความรายการสูงสุด เราต้องดูสเปกตรัมที่แท้จริงเพื่อดูรายละเอียด เช่น การทับซ้อนกัน สิ่งเจือปน ฯลฯ
ข้อควรสนใจ: เพียงเพราะ AI บอกว่า "สอดคล้อง" ในการตีความสเปกตรัมไม่ได้หมายความว่าโครงสร้างนั้นถูกต้องอย่างแน่นอน มันแค่หมายถึง "ข้อมูลนี้ไม่ได้ตัดโครงสร้างนี้ออก" การมอบหมายงานที่แม่นยำต้องใช้เทคนิคที่หลากหลายและการตัดสินของมนุษย์
โดยสรุป
- NMR ระบุพื้นที่ใกล้เคียง IR ระบุกลุ่มฟังก์ชัน MS ระบุมวล/สูตร มีพลังมากเมื่อใช้ร่วมกัน
- ใช้ AI เป็นตัวทดสอบสมมติฐาน: ให้โครงสร้างที่คาดหวัง + ข้อมูลดิบ และขอความสอดคล้อง
- ป้อนรายละเอียดให้ครบถ้วน เช่น การรวม การแยก ตัวทำละลาย และเกณฑ์ ppm
- ดำเนินการตรวจสอบสูตร HRMS ด้วยเกณฑ์ PPM ที่เป็นตัวเลข อย่าละเลยรูปแบบไอโซโทป MS
- การกำหนดโครงสร้างขั้นสุดท้ายขึ้นอยู่กับนักเคมีที่จะตรวจสอบสเปกตรัมการทดลอง
งานสมัคร
รับข้อมูล NMR, IR และ MS ที่แท้จริงของสารประกอบที่คุณสังเคราะห์ (หรือดึงมาจากบทความวรรณกรรม) ให้ AI SMILES ก่อนแล้วถามว่า "คาดหวังอะไร" ' จากนั้นให้ข้อมูลดิบและตรวจสอบความสอดคล้องกัน พยายามค้นหาการมอบหมาย AI ที่ถูกต้องและไม่ถูกต้อง/ไม่สมบูรณ์หนึ่งรายการในแต่ละเทคนิค คำนวณผลต่างมวลทางทฤษฎีและที่วัดได้เป็น ppm สำหรับ HRMS พล็อตสิ่งที่ค้นพบลงในตาราง
รายการตรวจสอบ
- [ ] ฉันรู้ว่า NMR, IR และ MS แสดงอะไร
- [ ] ฉันมอบโครงสร้างที่คาดหวังให้กับ AI และทดสอบสมมติฐาน
- [ ] ฉันเข้าสู่รายการการบูรณาการ การแยก ตัวทำละลาย และจุดสูงสุดโดยสมบูรณ์
- [ ] I make HRMS verification numerical with ppm threshold.
- [ ] ฉันประเมินเทคนิคหลายอย่างร่วมกัน
- [ ] ฉันยืนยันงานชิ้นสุดท้ายด้วยการตรวจสอบสเปกตรัมการทดลอง