有機催化劑的催化機制往往涉及柔性的分子骨架和多元的非共價相互作用，其過渡态往往通過密度泛函計算獲得，具體機制的實驗驗證也相對困難。近來，已經有相關的研究工作通過數據科學的手段解析有機催化劑在小分子有機物轉化中的機制和普适性（例如Jacobsen, Nature 2024, 1052；Sigman, JACS 2020, 16382；List, Angew. Chem. Int. Ed. 2023, e202218659等），但在聚合過程中使用的有機催化劑中還未見機制研究的應用案例。
近期，劉允課題組基于前期開發的有機催化聚二硫化物體系（2023, JACS），與廈門大學汪騁課題組進行合作，利用機器學習與化學機理研究相結合的方法，系統揭示了表奎甯衍生硫脲類有機催化劑在1,2-二硫環戊烷開環聚合反應中過渡态穩定化的關鍵機制，為得到活性-選擇性兼顧的硫脲催化劑提供了指導原則（圖1）。
圖1 利用取代基位置與電性的變化構建了催化劑庫，并用數據科學方法解析了過渡态穩定化關鍵的基元。
團隊以（R）-硫辛酸甲酯為模型單體，通過實驗測定了44種催化劑的聚合反應速率（kp）和區域選擇性（Pss）作為實驗輸入，利用XGBoost算法（極端梯度提升樹）結合逐步回歸機器學習的框架（圖2），從62種催化劑骨架特征描述符中篩選出了影響反應活性和選擇性的關鍵特征，并通過SHAP（Shapley Additive Explanations）分析量化各特征的貢獻。研究發現，硫脲結構中存在制約活性與選擇性的電子與構象因素，最終鹵素類取代基能夠實現最優的平衡。關鍵結果也通過密度泛函理論計算得到的過渡态加以驗證。
圖2 機器學習模型：（A）XGBoost與逐步回歸相結合的工作流程。XGBoost對（B）反應速率kp和（C）區域選擇性Pss的表現。
該成果近日以“Revealing Transition State Stabilization in Organocatalytic Ring-Opening Polymerization Using Data Science”為題發表在 Angew.Chem.Int. Ed. 上。論文的通訊作者是beat365官方网站劉允研究員和廈門大學化學化工學院汪騁教授，第一作者是beat365官方网站科研助理張苗苗和廈門大學化學化工學院已畢業研究生蘇禹銘。該研究得到了國家自然科學基金委、北京分子科學國家研究中心、嘉庚創新實驗室的支持。
北大化學微信