从机器学习到量子计算，从电合成到酶催化到流动化学，从分子机器到单个分子生长……这些都给2017年的化工科研界带来了惊喜。近日，美国化学会旗下《C&EN》杂志评选出了几项化学领域的重大研究进展。本刊编辑部对其进行编译，以飨读者。

用机器推动化学预测

2017年机器学习和量子计算方面的一些发展大幅推动了科学发现。包括巴斯夫和陶氏化学公司在内的化学公司与IBM和慧与公司(Hewlett Packard Enterprise ，从惠普公司中拆分出来的公司）等计算机巨头结成了联盟，以加快垂直领域商业应用的脚步。机器学习是指使计算机能够超越严格的编程指令，从决策中学习、实施决策并根据大量数据进行预测的算法。在化学方面，华盛顿大学的David Baker及其同事报告称他们已经使用这种技术来确定600个结构未知的蛋白质家族的三维构象。某国际小组则利用这种方法使计算机能够根据化合物的分子结构预测其气味。这种对嗅觉认知的学习，有一天可能使香料行业受益。

在一些研究人员推动传统计算机的化学预测功能的同时，IBM、微软和谷歌的科学家们推动了量子计算机的发展。与使用晶体管和存储器单元来处理近似电子波函数的1和0的传统机器不同，量子计算机使用磁元件或称为量子位的其他类型的双状态量子系统来表示波函数，作为电子能量和电子态的叠加。该策略意欲使量子计算机能够计算传统计算机无法胜任的复杂分子的特性，虽然这仅仅是推测，但2017年IBM的研究人员通过用一个7量子位计算机计算出氢化锂和氢化铍的基态能量，使这项研究取得了里程碑式的突破。

电合成为化学家充电

2017年，电化学有机合成成为追求更安全、更环保、更廉价的有机合成工艺领域的新宠。

尽管电化学合成已经很成熟，但化学家一直不愿将其用于常见的有机反应，如C-H活化或芳烃交叉偶联，他们认为这种方法过于繁琐或昂贵。但该技术自2015年以来一直处于上升趋势，并于今年全面爆发。华盛顿大学圣路易斯分校的 Kevin D. Moeller评论道：“合成化学家长期以来将电化学视为少数人做有趣反应的一个领域，这些反应对其他人来说难以重复。但这种观点正在改变：该领域的受欢迎程度正在急剧上升。”在有机合成中，当用电流作为替代试剂时，就能避免使用有毒或危险的试剂、保护基团和有机合成中常用的催化剂。此外，电合成可以减少或消除反应器冷却或加热工序，减少能源消耗。

当今，有机合成化学家正面临着制造越来越复杂分子的挑战，与此同时还要确保比以前更环保、更加可持续、更安全并且更有成本效益。德国美因茨大学科研团队与赢创工业集团（Evonik Industries）的研究人员合作，开发了一种用于交叉偶联反应的一步法电合成，以制备重要的化学中间体联芳基二醇和二胺。电合成代表了一种颠覆性的技术，将成为行业游戏规则的改变者。除了推动开发新的电化学反应，学术研究小组还为有机合成组织开发了用户友好的仪器。

2017年，加州斯克利普斯研究所（Scripps Research Institute）的 Phil S. Baran团队多次使用电合成制备萜（Terpene）类化合物，并帮助IKA建立了电化学合成系统的现代化版本ElectraSyn 2.0。

酶发现进入新时代

酶在化学研究和化工领域扮演重要角色。2017年，基于酶的前沿研究爆发。一方面，科学家对酶进行模拟合成和修饰，另一方面，大量新型酶被发现。这些酶在生物催化和合成生物学等领域被广泛应用。2017年的进展包括改进的烯烃氧化、脂肪酸脱羧和芳烃烷基化。搜索显示，《C＆EN》 2017年大约有200篇文章报道了酶，每期大约四篇文章，其中有许多是关于前沿发现。哈佛大学的Emily P. Balskus认为：“我们正在进入发现酶的新时代。要增加生物催化及合成生物学涉及到的分子类型，需要不断发掘新的酶。”

《C＆EN》评选的2017年关于酶最为瞩目的研究有：

① 哈佛大学Balskus研究小组精心研究了蓝藻用来合成芳香天然产物cylindrocyclophanes的酶。Balskus及其合作者发现的一种酶CylK，用来自烷基卤的烷基装饰芳香环。另一种酶CylC有助于生成需要进行CylK反应的烷基氯化物。

② 加州理工学院的弗朗西斯·H·阿诺德（Frances H. Arnold）和同事们采用了一种叫作定向进化的技术，来开发一种效果更好的反马尔科夫尼科夫酶。定向进化是一种迭代的蛋白质突变和筛选过程，赋予酶本身所没有的能力。阿诺德的研究小组确定了12个氨基酸取代（红色圆圈），将一种名为P450LA1的常规烯烃氧化酶转化为主要为立体选择性的反马尔科夫尼科夫催化剂，促使催化效率提升几百倍。

③ 由法国替代能源和原子能委员会的弗雷德·贝松（Fred Beisson）领导的一个小组发现，微藻拥有一种不寻常的酶，能利用光将脂肪酸脱羧转化为烷烃或烯烃。研究人员研究了合成碳氢化合物的微藻、但这些微藻没有通常执行该任务的酶的基因。通过纯化来自微藻的酶，他们鉴定了脂肪酸光脱羧酶。这种具有前所未有活性的酶可将脂肪酸转化成14-18碳烷烃或烯烃。

流动化学（FLOW CHEMISTRY）

进军制药业

近年来，连续反应工程在学术界取得了稳步发展。2017年，连续化学合成法（用管子和T型接头反应器取代了用于批量反应的烧瓶和搅拌棒）成功进军制药行业。礼来公司的化学家使用连续反应作为一种更安全、更快、更廉价的方法，合成出了化疗候选药物。该合成方法最值得关注的部分是，礼来公司的化学家将连续工艺的最后阶段与质量控制系统联系起来，达到了cGMPs标准。

此外，流动化学公司Snapdragon与辉瑞公司合作，准备制备一种高反应活性试剂allenyllithium，用于制备重要的药物中间体。Snapdragon还与Johnson Matthey（一家领先的药品化学药品供应商）达成了一项协议，将在用于药品生产的流动化学方面进行合作。

小机器的大动作

自20世纪80年代以来，化学家们一直在创造分子机器——单个分子，类似于电机、转子，甚至微型汽车。作为2016年诺贝尔化学奖的新宠，转子、钻头、滑轮更多地被研究人员付诸于研发中。分子机器在2017年继续成为头条新闻并不令人意外，包括加强型电机转子组合，旨在提升电池性能的聚合物滑轮，以及世界上第一款纳米级赛车。从分子泵到重塑聚合物的巧妙设计，反映了分子机器如何带来响应性和适应性行为，从而实现了众多潜在应用。

在世界首场纳米赛车比赛中，真正的赛车手可能根本就不需要动，因为这些小赛车是以纳米级测量的，其赛道必须用扫描隧道显微镜来观察。在这场竞技中，Nanoprix团队获得了顶级奖项，他们的偶极赛车拥有独特的低粘附分子车轮、炔基车轴、芳基底盘，以及车前后端的偶极功能。

莱斯大学詹姆斯·M·图尔（James M. Tour）领导的科学家们把紫外光激活的分子马达变成了可以穿透细胞膜的小钻孔，即让足够的电动机钻入癌细胞中，以在几分钟内破坏细胞的完整性。图尔表示，癌细胞不会像许多化疗药物一样对分子马达的运动产生抗性。

曼彻斯特大学的David A. Leigh和同事们构建了一种可编程的分子机器，它通过不对称地向，α，β-不饱和醛底物中加入巯基和烯烃取代基，产生四种不同的产物。该机器具有一个臂和旋转开关，可以在R立体化学的位置和S立体化学位置之间移动，具体取决于pH值。

斯特拉斯堡大学Nicolas Giuseppone领导的研究小组将两种光激活分子机器结合在一起，创建了一种扭曲系统，可以将聚合物链缠绕并展开，从而形成一种根据照射在其上的光的波长而收缩和膨胀的材料。

由韩国科学技术研究院的Ali Coskun和Jang Wook Choi领导的研究人员开发了一种聚合物，当加入到硅阳极中时，可以减轻阳极在充电和放电时的应力，从而延长其寿命。聚合物成功的秘密是由线性聚合物聚丙烯酸共价连接到含有机械键的聚轮烷制成的网络。在电池充电过程中，随着硅阳极的膨胀，聚轮烷的环沿着链条自由滑动以消除应力，像滑轮系统那样工作。

聚合物链生长的可视化

研究人员可以通过将聚合物链连接到玻璃载片上并结合到磁性颗粒上的钌催化剂上，然后用一对磁性镊子牵引链来观察开环聚合的等待——跳跃动态过程。康乃尔大学的研究人员在2017年首次实现了聚合单体聚合反应中聚合物链增长的实时可视化，为聚合物研究界带来了惊喜。

由于分析技术的局限性，对于聚合单体在聚合反应中聚合物链如何生长的观点一直不明朗。研究人员通常使用动态光散射等方法一次观察聚合物样品中的所有分子，然后从数据中提取有关链的大小分布和其他聚合物参数的信息。但是，这些数据并没有得到光谱法的证实。康奈尔研究小组将其实验方法与分子动力学计算机模拟结合起来，以便观察聚合物生长。康奈尔大学的研究小组使用一对磁性镊子，通过光学显微镜和光谱技术发现，单独的聚合物链不像化学家所设想的那样从催化剂上顺利地连续生长，而是经历连续的等待和跳跃步骤。能够在聚合反应等重要反应中观察动力学，并通过建模来理解动力学，这是一项激动人心的技术进步。