引言：AI 催化优化的三重门槛与硼酸酰胺化的机遇
人工智能已渗透到现代生活的方方面面，近年来在有机合成与催化领域也崭露头角：AI 驱动的工作流加速了高活性、高立体选择性催化剂的鉴定，实现了反应条件的高效优化，并推动了反应机理的自动化阐明。然而令人意外的是，AI 在合成有机化学中的应用仍然有限，似乎主要局限于该领域的专家。这一困境主要源于三重门槛：其一，需要大型、可重现、高质量的实验数据集；其二，需要编程与数据处理专业知识；其三，需要 AI 模型开发的专门知识。大型语言模型（LLM）如 ChatGPT 或许能通过协助代码生成（常被戏称为 "vibe coding"）和工作流开发来降低部分技术门槛，但其输出必须经过严格检查、测试和化学验证。酰胺化反应是学术界和工业界最常见的转化之一。传统方法通常依赖化学计量的偶联或氯化试剂，虽高效却存在严重的可持续性问题 ——使用有毒活化试剂、产生大量废物、往往需要高能耗条件。硼酸催化的酰胺化为传统方法提供了一条有前途的替代路径，能在温和条件下形成酰胺，水是唯一副产物，详见该文 Scheme 1。继 Yamamoto 的开创性工作之后，Whiting、Hall、Blanchet 等团队逐步发展了这一化学，最终得到了基准催化剂间甲氧基 - 邻碘苯基硼酸（MIBA, 1）—— 能在室温下以低至 10 mol% 的催化剂负载实现酰胺化。然而，尽管该转化意义重大，MIBA 近二十年来始终是难以超越的基准催化剂。与此同时，Whiting/Sheppard 以及 García-Domínguez/Leach/Lloyd-Jones 的机理研究为硼酸反应性提供了详细洞见：从硼酸催化剂 I 出发，可形成硼氧六环中间体 II 或与羧酸形成混合酸酐 III；III 的羰基碳亲电性增强，并经分子内氢键进一步强化；III 脱水二聚化生成硼酸酯簇 IV 这一关键中间体，与胺反应生成酰胺，再经羧酸交换释放产物并再生 IV。合成重要性、详尽的机理理解与可观的催化剂开发潜力三者结合，使硼酸催化的酰胺化成为 AI 引导催化剂优化的理想目标。此外，芳基硼酸商业可得、结构多样，且其简单结构允许通过量子化学计算快速生成空间与电子描述符。德国弗赖堡大学有机化学研究所的 Tobias Schnitzer 团队据此提出了一种策略：以 ChatGPT 辅助编码，开发硼酸催化酰胺化的数据驱动催化剂优化工作流。模型反应预优化：水含量与分子筛质量的关键影响（Scheme 2）
研究始于建立苯乙酸 2a（1.1 当量）与苄胺 3a（1.0 当量）在 10 mol% MIBA 1 存在下酰胺化的稳定条件。反应在干燥 DCM 中室温进行，以粉末状 4 Å 分子筛（20 当量）为干燥剂，2 小时后经 ¹H-NMR 测定转化率。然而初始实验存在严重的可重现性问题，产物形成率在 68% 至 92% 之间大幅波动。为建立适合高通量实验的可靠方案，作者系统改变了温度、化学计量、浓度以及所有反应组分的供应商和质量。结果揭示，溶剂水含量和分子筛质量对转化率有惊人影响 —— 根据反应混合物水含量的不同，转化率可在 8% 至 69% 之间变化。这一发现与 MIBA 在脱水条件下向非生产性硼氧六环 II 或生产性硼酸酯簇 IV 的水依赖性转化完全一致。不同供应商和不同活化时间的分子筛则导致 15% 至定量转化率的差异。最终定义的标准条件采用干燥 /"湿润"DCM 9:1 混合溶剂，配合标准化干燥程序处理的分子筛。在此条件下反应充分可重现，4a 的形成率为 85% 至定量，详见该文 Scheme 2。催化剂文库构建与高通量筛选（Figure 1）
作者采取务实策略，纳入最小包装单位价格不超过 10 欧元的商业可得苯基硼酸衍生物，构建了一个含 452 个成员的催化剂文库，总成本约 3,500 欧元。文库中 1 个为无额外取代基的苯基硼酸，175 个含单取代基，208 个含双取代基，68 个含三取代基。氟是最常见取代基（出现 182 次），其次为醚和氯；整体涵盖卤素（F, Cl, Br, I）、醚、烷基、芳基以及醇、胺、腈、硝基、三氟甲基、羧酸、酰胺、酯、醛、酮等官能团。筛选以每批 100 个反应进行，每批均包含 MIBA 1 作为日间参照。反应从储备溶液经自动分配器设置，NMR 分析使用 MestReNova 软件。全部 452 个反应（含 NMR 分析）在一周内完成。数据分析显示：103 个催化剂无转化率，79 个转化率≤5%，约三分之二的文库成员显示 > 5% 的催化活性。转化率呈类泊松分布（平均 13%，中位 10%），为后续 AI 建模提供了合适基础。催化剂描述符计算与 AI 模型开发（Figure 2）
描述符体系结合了简单结构特征与量子化学计算，详见该文 Figure 2。结构特征包括分子量、可旋转键数、拓扑极性表面积（TPSA），以及苯环 2–6 位取代基存在与否的二进制编码和各位置取代基的分子量、范德华体积、埋藏体积。这些 Python 脚本均由 ChatGPT 生成，用于本地处理含 SMILES 代码的 Excel 文件。量子化学描述符的计算同样由 ChatGPT 生成的 Python 脚本自动化完成，所有计算在本地运行且代码与输出均经作者检查。流程为：从 SMILES 经 RDKit 生成 xyz 结构→ETKDG 构象生成（每分子最多 20 个，RMSD 剪枝后共保留 1328 个构象）→PM3 半经验预优化→选取最低能量构象在 B3LYP/def2-SVP 水平进行 DFT 几何优化→提取 B–C 键长、两个 B–O 键长、硼酸部分与苯环二面角、总偶极矩、HOMO/LUMO 能量、硼原子上的 Mulliken/Löwdin/Mayer 布居分析→在中性几何上对阴阳离子态做单点计算获得垂直电离能和垂直电子亲和能。为控制计算成本，未执行频率计算。值得强调的是，ChatGPT 生成的中间版本代码偶尔产生无效分子结构或实现错误，均经迭代检查、测试和纠正后才纳入最终工作流。模型比较测试了决策树、随机森林、梯度提升、XGBoost 和 TabPFN 五种算法，特征选择采用 RFE、RFECV、嵌入式选择或 Boruta，超参数调优使用 RandomizedSearchCV 或 Optuna。决策树、随机森林、梯度提升和 XGBoost 均未给出令人满意的性能（R²: −0.33–0.32，MAE: 9.0–14.2），而 TabPFN 脱颖而出：R² = 0.39 ± 0.08，MAE = 7.54 ± 0.58，Spearman ρ = 0.69 ± 0.06（七个随机状态）；最佳实例（随机状态 2005）达到 R² = 0.47、MAE = 6.64、ρ = 0.75，但整体倾向于低估高转化率。作者因此将模型的核心效用定位为有前景催化剂的优先排序与富集，而非转化率的精确定量预测。
单取代与二取代文库的前瞻性验证（Figure 2）
为验证模型预测能力，作者首先构建了含 60 个单取代苯基硼酸的计算机文库（20 种取代基 × 邻 / 间 / 对三位），用同一描述符协议计算特征后预测转化率。预测前五名中仅 2 - 碘苯基硼酸 5 不在训练集内（预测第四，33.7 ± 0.4%）。实验测试表明 5 在 2 小时内给出 88% 转化率，跻身最活跃催化剂之列 —— 虽远高于预测值，但与模型低估高活性催化剂的趋势一致，进一步印证了其富集能力。随后构建了更大的二取代计算机文库：用同样 20 种取代基生成所有构造异构体并去冗余，得到 1941 个候选物，特征计算在 MacBook Pro M2 上耗时约两周。将 5 作为额外数据点纳入后重新训练的第二代模型（R² = 0.35 ± 0.14，MAE = 7.49 ± 0.42，ρ = 0.65 ± 0.07）被应用于该文库。结果令人振奋：不在训练集中的基准催化剂 MIBA 1 被从近 2000 个候选物中预测为第四最活跃（54 ± 3%），实验转化率为 92%—— 模型成功优先排序了文献已知的最佳催化剂。其他排名靠前的结构包括 2 - 碘 - 4 - 氟苯基硼酸 6（FIBA，预测 56 ± 2%）、2 - 碘 - 4 - 氯苯基硼酸 7（56 ± 2%）、2 - 碘 - 4 - 甲基苯基硼酸 8（55 ± 2%）和 2 - 碘 - 5 - 苯基苯基硼酸 9（54 ± 3%）。催化剂 6–8 经 "硼酸保护→卤素交换安装碘→酸性脱保护" 短序列合成（9 经多次尝试仍无法获得），据作者所知此前均未用作酰胺化催化剂。实验结果：6（FIBA）给出 96% 转化率，8 给出 92%（与 MIBA 相当），7 给出 71%—— 均显著高于预测值。作为对照，五种预测低活性的商业可得催化剂实验中均无产物或转化率≤5%。这些结果表明，尽管活性分布严重偏斜，模型仍能可靠区分广泛的活性区间。模型基准测试与相似性分析（Figure 3）
排名靠前候选物中邻卤代结构的普遍存在引发了一个关键问题：模型究竟是学到了超越化学直觉的关系，还是仅仅恢复了一个容易识别的结构基序？作者在相同七个训练 / 测试拆分上将 TabPFN 与三个简单基线对比：随机选择、基于 Morgan 指纹 / Tanimoto 的一近邻（1-NN）模型、以及按 I > Br > Cl > F > 其他邻位取代基 > 无邻位取代基排序的化学启发式方法。对于实验上最活跃的 10% 催化剂，TabPFN 的平均富集因子为 4.9 ± 1.1，邻位启发式为 3.3 ± 1.1，1-NN 为 1.9 ± 0.7，随机选择为 1.0，详见该文 Figure 3。这说明简单化学直觉本身已有意义的富集效果，但 TabPFN 的更强表现证明模型捕获了超越单一邻位卤代基序的额外构效关系。模型并非取代化学推理，而是最有效地充当互补的优先排序工具。相似性分析进一步揭示：与训练集最大 Tanimoto 相似性为 0.40–0.50 的催化剂 MAE 约为 16，而 0.50–0.60、0.60–0.70、0.70–0.80 和≥0.80 区间的 MAE 分别降至 8、7、7 和 5 个百分点。总体相关性适中（Spearman r = −0.15），说明结构相似性有助于预测但非唯一决定因素。模型失败的价值：DBA 催化剂与高阶硼酸酯聚集体（Figure 4）
数据集中一个不寻常的离群点成为整个研究中最具机理启发性的部分。1,3 - 苯二硼酸 10（DBA）实验转化率高达 84%，跻身最活跃催化剂之列，但 TabPFN 仅预测约 25%，且这一显著低预测在不同模型变体中持续存在。DBA 与训练集催化剂的平均最大 Morgan/Tanimoto 相似性为 0.69，并非结构覆盖不足；而苯基硼酸本身仅 2% 转化率，说明 DBA 的高活性也不能简单归因于两个独立硼酸单元的加和。作者深入研究了被 Whiting 确立为关键活性中间体的硼酸酯簇 IV。考虑到 DBA 含两个硼酸单元，计算构建了一个化学上合理的高阶硼酸酯聚集体 10-IV—— 由两个 DBA 分子和羧酸底物衍生，末端硼酸酯单元用甲基硼酸封端以避免无限传播，详见该文 Figure 4。构象搜索得到一个低能量环状结构，形成了可容纳胺亲核试剂的空腔；加入甲胺后进一步采样得到的几何结构中，胺与相邻两个硼酸酯单元形成氢键（2.5 Å 和 2.3 Å），氮孤对电子朝向结合的羧酸单元（N・・・C = 3.6 Å，Bürgi–Dunitz 角 = 121°）。这一结构展示了多个硼酸酯单元协同结合并预组织亲核试剂的可能性。位置异构体实验支持了这一几何依赖的协同效应：1,3 - 苯二硼酸 10 高活性（84%），而 1,4 - 苯二硼酸异构体仅 13% 转化率，说明硼酸单元的特定空间排列对生产性高阶缔合至关重要。然而实验表征颇具挑战：质谱显示至少存在二聚体物种，但 C–B 键的广泛断裂（原脱硼、氧化为苯酚）使高阶聚集体无法直接观测；¹¹B NMR 也因硼酸酯结构和低聚物的复杂动态混合物而无定论。综合来看，DBA 的意外高活性很可能源于高阶缔合和多硼酸酯单元间的协同相互作用 —— 这些效应完全未被用于模型训练的单分子描述符所捕获。模型的 "失败" 本身成为了化学洞见的源泉。FIBA 与 DBA 的底物范围及动力学评估（Scheme 3, Figure 5）
作者在更广泛的酰胺化底物范围内评估了 FIBA 6 和 DBA 10，详见该文 Scheme 3。含硝基、硫醚、卤素等取代基的苯乙酸衍生物以 78–95% 产率生成产物 4b–4d；含仲胺的双氯芬酸可选择性地在伯胺位点转化为酰胺 4f（>90% 产率），展示了良好化学选择性。乙酸、己酸、环戊烷羧酸等脂肪族羧酸以 78–96% 产率顺利转化。胺侧同样兼容广泛：含卤素、醚、氨基的苄胺衍生物（4i–4k，77–97%）、线性脂肪族伯胺（4l–4m，81–97%）、甚至 α- 支链伯胺环己胺和环状仲胺吡咯烷、哌啶（4n–4p，53–77%）均为胜任底物。所有产物后处理后即可获得，无需柱层析。动力学比较（¹H NMR 监测）显示，在标准条件下 MIBA 约 35 分钟达到 50% 产物形成，DBA 约 45 分钟，而 FIBA 仅需约 20 分钟，详见该文 Figure 5。这与 FIBA 在所考察条件下比基准 MIBA 更快的产物形成一致。结论
这项工作建立了一个硼酸催化酰胺化的数据驱动催化剂优化工作流，以 ChatGPT 作为代码生成和工作流开发的助手。452 个芳基硼酸的高通量筛选结合量子化学衍生描述符，训练出以 TabPFN 为核心的催化剂优先排序模型，前瞻性地富集高活性催化剂并发现了 FIBA 这一优于二十年基准 MIBA 的新型酰胺化催化剂。针对随机选择、最近邻和邻位取代启发式的基准测试表明，化学直觉本身已有实质富集效果，而 TabPFN 捕获了额外的构效信息。尤为重要的是，模型对 DBA 的预测失败本身成为机理洞见的入口 —— 后续实验与计算研究指向高阶硼酸酯聚集体和协同底物活化这一未被单分子描述符捕获的全新活化模式。更广泛而言，该研究生动展示了人类化学推理与机器学习的互补关系：LLM 辅助编码降低了计算工作流的技术门槛，但生成的代码和结构必须经专家验证；而当模型的预测与失败都在化学知识背景下被解读时，AI 工具才真正发挥出最强大的力量。
论文信息
标题：Data-Driven Discovery of Boronic Acid Catalysts for Amidation Reactions
作者：Hanna Weller、Tobias Schnitzer（通讯，schnitzer@schnitzerlab.de）
单位：德国弗赖堡大学（Albert-Ludwigs-Universität Freiburg）有机化学研究所
平台：ChemRxiv 预印本，2026 年 10 月 7 日发布（v4 版本）
DOI：10.26434/chemrxiv.15003365/v4
