Lợi nhuận:
- Khả năng hiểu những gì NMR, IR và MS thể hiện và sử dụng trí tuệ nhân tạo làm công cụ kiểm tra giả thuyết dựa trên cấu trúc dự kiến
- Khả năng kiểm tra tính nhất quán của bài tập bằng cách cung cấp các chi tiết đầy đủ như tích hợp, phân tách, bộ giải và ngưỡng ppm
- Khả năng hiểu rằng việc phân công cấu trúc cuối cùng phụ thuộc vào việc nhà hóa học kiểm tra quang phổ thực nghiệm và rằng nhiều kỹ thuật phải được sử dụng cùng nhau.
Khi bạn tổng hợp một hợp chất, câu hỏi thực sự là: "Tôi có thực sự có được phân tử mình muốn không?" Điều này được trả lời bằng quang phổ. Ba kỹ thuật cơ bản: NMR (đọc môi trường từ tính của hạt nhân và hiển thị vùng lân cận của các nguyên tử), IR (đọc độ rung của các liên kết trong phân tử và hiển thị các nhóm chức năng) và phép đo phổ khối (MS) (hiển thị khối lượng và kiểu phân mảnh của phân tử). AI là một trợ lý đắc lực trong việc diễn giải các quang phổ này: nhóm các đỉnh, đề xuất các bài tập khả thi, kiểm tra tính nhất quán. Nhưng việc xác định cấu trúc cuối cùng được thực hiện bởi nhà hóa học, người nhìn thấy và đánh giá quang phổ thực nghiệm. Trong phần này, chúng ta sẽ học cách sử dụng AI trong việc giải thích phổ một cách có giám sát.
Ba kỹ thuật nói gì
- 1H NMR: Hiển thị số lượng nguyên tử hydro, các nguyên tử lân cận của chúng (kiểu phân tách) và môi trường hóa học (giá trị dịch chuyển, ppm). Ví dụ, ở mức ~7 ppm, các tín hiệu gợi ý đến hydro thơm, ở mức ~2 ppm là một nhóm acetyl đơn.
- 13C NMR: Hiển thị khung carbon; cacbon carbonyl xuất hiện ở mức ~170-200 ppm.
- IR: Cho biết các nhóm chức năng; ~1700 cm⁻¹ carbonyl (C=O), ~3300 cm⁻¹ băng thông rộng O-H hoặc N-H.
- MS: Đỉnh ion phân tử (M⁺) cho biết trọng lượng phân tử, các mảnh vỡ cho biết manh mối về cấu trúc. MS độ phân giải cao (HRMS) xác nhận công thức phân tử.
AI biết rõ phạm vi điển hình của các giá trị này. Vậy "1710 cm⁻¹ có thể là bao nhiêu?" Nó trả lời câu hỏi một cách đáng tin cậy. Điểm yếu là thực hiện các bài tập mà không nhìn thấy chi tiết rõ ràng của phổ thí nghiệm thực tế (các đỉnh chồng chéo, tín hiệu tạp chất).
Gợi ý: Cung cấp phổ cho AI dưới dạng “dữ liệu thô + cấu trúc dự kiến” và hỏi “dữ liệu này có phù hợp với cấu trúc này không?” hỏi. Sử dụng AI làm công cụ kiểm tra giả thuyết sẽ hỏi “phổ này là hợp chất gì?” Nó đáng tin cậy hơn nhiều so với việc hỏi từ đầu.
Từng bước: Giải thích phổ với AI
- Cho biết cấu trúc mong đợi: Hãy cho biết SMILES của hợp chất bạn đã tổng hợp được. Hãy để AI cho bạn biết điều gì sẽ xảy ra trước tiên.
- Xuất dữ liệu thô: Nhập danh sách đỉnh (dịch chuyển NMR, tích hợp, phân tách; dải IR; giá trị MS m/z) một cách có trật tự.
- Đặt câu hỏi về tính nhất quán: "Những dữ liệu này có phù hợp với cấu trúc dự kiến không? Đỉnh nào tương ứng với nguyên tử nào?"
- Tìm kiếm những khoảng trống: "Có đỉnh nào được mong đợi nhưng không nhìn thấy được không? Có đỉnh nào bất ngờ (tạp chất) không?"
- Thử nghiệm thay thế: Nếu có sự không nhất quán, "cấu trúc nào khác giải thích dữ liệu này tốt hơn?"
- Quyết định của con người: Bạn xác nhận nhiệm vụ cuối cùng bằng cách kiểm tra phổ thử nghiệm.
Bốn mẫu có thể sao chép
1) Kiểm tra tính nhất quán 1H NMR:
Hợp chất dự kiến: 4-methoxyacetophenone (SMILES: COc1ccc(cc1)C(C)=O). Danh sách đỉnh 1H NMR (CDCl3):- 7,93 ppm (2H, d)- 6,93 ppm (2H, d)- 3,87 ppm (3H, s)- 2,56 ppm (3H, s) Nhiệm vụ:1) Mỗi đỉnh được gán cho một nhóm hydro ata.2) Tổng số H và tích phân có nhất quán không?3) Có bất kỳ đỉnh nào bị thiếu/không mong đợi không?Quyết định cuối cùng là tùy thuộc vào tôi; Đưa ra phân tích nhất quán của bạn.
2) Nhóm chức năng IR:
Dải quan trọng IR (cm^-1): 1675, 1600, 1258, 2840. Hợp chất dự kiến chứa xeton thơm và nhóm methoxy. Nhiệm vụ: Chỉ định mỗi băng cho một liên kết/nhóm có thể. Giải thích tại sao 1675 cm^-1 mà không phải 1715 (hiệu ứng chia động từ?).
3) Xác minh công thức MS:
[M+H]+ = 151,0754 được đo bằng HRMS. Hợp chất dự kiến: 4-methoxyacetophenone (C9H10O2). Nhiệm vụ: Tính khối lượng lý thuyết của [M+H]+ của C9H10O2, tìm sự chênh lệch tính bằng ppm so với khối lượng đo được, nhận xét nếu nó phù hợp. Lưu ý: Tôi cũng sẽ kiểm tra khối lượng đơn vị chính xác.
4) Kết hợp đa kỹ thuật:
Ba dữ liệu sau đây thuộc về một hợp chất:- IR: rộng 3300 cm^-1, 1710 cm^-1.- 1H NMR: rộng 12 ppm 1H, 2,4 ppm 2H t, ...- MS: M+ = 88. Nhiệm vụ: Đánh giá ba dữ liệu này cùng nhau và đề xuất một cấu trúc khả thi. Viết riêng đặc điểm cấu trúc mà mỗi bằng chứng hỗ trợ. Liệt kê các cấu trúc thay thế và giải thích lý do tại sao bạn loại bỏ chúng.
Dấu nhắc yếu / Dấu nhắc mạnh
yếu:
NMR này là gì? Có đỉnh ở mức 7,9 và 3,9 ppm.
Không có bối cảnh (dung môi, tích hợp, phân tách, cấu trúc dự kiến). AI dự đoán ngẫu nhiên một hợp chất.
Mạnh mẽ:
Hợp chất dự kiến: dẫn xuất anisole. 1H NMR (CDCl3): 7,93 (2H, d), 6,93 (2H, d), 3,87 (3H, s), 2,56 (3H, s). Nhiệm vụ: Kiểm tra tính nhất quán của các pic có cấu trúc này, loại bỏ từng pic, đề xuất cấu trúc thay thế nếu có sự không nhất quán.
Sự khác biệt: cấu trúc dự kiến, danh sách đỉnh đầy đủ (tích hợp + phân tách + dung môi) và nhiệm vụ nhất quán rõ ràng. AI bây giờ kiểm tra các giả thuyết chứ không đưa ra dự đoán.
So sánh các kỹ thuật
kỹ thuật
Những gì cho thấy
Hỗ trợ AI có mạnh không?
điểm xác minh
1H NMR
Số H, khu phố, môi trường
Mạnh mẽ (phân công, tích hợp)
Tổng tích phân = số phân tử H
13C NMR
bộ xương cacbon
Mạnh mẽ (khoảng trượt)
Số lượng cacbon phải phù hợp
IR
Nhóm chức năng
Mạnh (phân công ban nhạc)
Các dải cacbonyl, OH/NH
MS/HRMS
Khối lượng, công thức
Mạnh vừa (công thức tính toán)
Khối lượng lý thuyết tính bằng ppm
trường hợp nhỏ
Trường hợp 1 - Chụp đỉnh không đầy đủ. Một sinh viên đã kiểm tra 1H NMR của sản phẩm của mình bằng AI. YZ nhận thấy rằng đỉnh OH được cho là có trong cấu trúc mong đợi lại không có trong danh sách và cho biết "đó có thể là một proton có thể trao đổi được hoặc sản phẩm bị sai." Sinh viên làm bài kiểm tra lắc D2O, OH thực sự có mặt nhưng chồng chéo. Cảnh báo "thiếu đỉnh" của AI khiến câu hỏi đúng được đặt ra.
Trường hợp 2 - Sửa bài tập sai. YZ ban đầu chỉ định một nhóm đơn ở mức 2,1 ppm cho metyl xeton; nhưng sự tích hợp là 2H thay vì 3H. Người dùng nêu ý kiến này thì AI đã cập nhật nhiệm vụ cho một nhóm CH2. Bài học: làm cho sự tích hợp trở nên rõ ràng với AI, nếu không nó sẽ mắc sai lầm.
Trường hợp 3 - Lỗi HRMS ppm. Hợp chất được cho là C10H12O2 ([M+H]+ theo lý thuyết là 165,0910). Đo được 165,0912; chênh lệch 1,2 ppm là chấp nhận được (<5 ppm). AI đã thực hiện phép tính này nhưng người dùng cũng kiểm tra khối lượng đơn đồng vị bằng một công cụ độc lập; các giá trị chồng chéo. Bài học: Thực hiện xác thực công thức MS với ngưỡng ppm, đừng nói “đóng” bằng mắt.
Những lỗi thường gặp
- Hỏi mà không đưa ra cấu trúc dự kiến. Buộc AI phải đoán từ đầu sẽ làm tăng tỷ lệ lỗi; Kiểm tra giả thuyết.
- Bỏ qua tích hợp/phân tách. Nếu không có thông tin này trong NMR, phép gán sẽ không đáng tin cậy.
- Quên đỉnh dung môi. Gán các tín hiệu dung môi như CDCl3 ~7,26 ppm, DMSO ~2,50 ppm cho hợp chất.
- Bỏ qua mẫu đồng vị trong MS. Trong các hợp chất chứa clo/brom, mẫu M+2 cung cấp thông tin về cấu trúc.
- Dựa vào một kỹ thuật duy nhất. Việc xem xét NMR, IR và MS cùng nhau sẽ mạnh mẽ hơn nhiều so với việc chỉ dựa vào một trong hai.
- Để phê duyệt phổ thử nghiệm mà không cần nhìn thấy nó. AI diễn giải danh sách cao điểm; Người ta phải nhìn vào quang phổ thực tế để biết các chi tiết như chồng chéo, tạp chất, v.v.
Lưu ý: Chỉ vì AI nói "nhất quán" trong cách giải thích phổ không có nghĩa là cấu trúc đó hoàn toàn chính xác; nó chỉ có nghĩa là "dữ liệu này không loại trừ cấu trúc này". Việc phân công chính xác đòi hỏi nhiều kỹ thuật và khả năng phán đoán của con người.
Tóm lại
- NMR biểu thị vùng lân cận, IR biểu thị nhóm chức năng, MS biểu thị khối lượng/công thức; Chúng mạnh mẽ khi được sử dụng cùng nhau.
- Sử dụng AI làm công cụ kiểm tra giả thuyết: đưa ra cấu trúc dự kiến + dữ liệu thô và yêu cầu tính nhất quán.
- Nhập các chi tiết đầy đủ như tích phân, tách, dung môi và ngưỡng ppm.
- Thực hiện xác thực công thức HRMS với ngưỡng số ppm; Đừng bỏ qua mẫu đồng vị MS.
- Việc phân công cấu trúc cuối cùng tùy thuộc vào nhà hóa học kiểm tra quang phổ thực nghiệm.
Nhiệm vụ ứng dụng
Nhận dữ liệu NMR, IR và MS thực tế của hợp chất bạn đã tổng hợp (hoặc lấy từ một bài báo tài liệu). Trước tiên hãy đưa ra AI SMILES và hỏi "tôi nên mong đợi điều gì?" ', sau đó cung cấp dữ liệu thô và kiểm tra tính nhất quán của nó. Cố gắng tìm một nhiệm vụ đúng và một nhiệm vụ sai/không đầy đủ của AI trong mỗi kỹ thuật. Tính toán chênh lệch khối lượng lý thuyết và đo được tính bằng ppm cho HRMS. Viết kết quả vào bảng.
danh sách kiểm tra
- [ ] Tôi biết NMR, IR và MS thể hiện điều gì.
- [ ] Tôi đưa ra cấu trúc dự kiến cho AI và kiểm tra giả thuyết.
- [ ] Tôi nhập đầy đủ danh sách tích phân, chia tách, dung môi và đỉnh.
- [ ] Tôi thực hiện xác minh HRMS bằng số với ngưỡng ppm.
- [ ] Tôi đánh giá nhiều kỹ thuật cùng nhau.
- [ ] Tôi xác nhận nhiệm vụ cuối cùng bằng cách kiểm tra quang phổ thực nghiệm.