中国青年学者一作，最新Nature，1.2 秒，超快分析反应结果！

通过模块化构建块自动合成有机小分子，正在改变药物和材料的制造方式。这种方法释放了分子构建的潜力，需要整合多种新型组装化学。尽管高通量化学的进展加速了适合反应条件的开发，但等效的高通量分析仍然是挑战

在这里，美国田纳西州孟菲斯市圣裘德儿童研究医院Daniel J. Blair教授课题组提出了一种基于质谱的快速化学反应定量分析方法，通过化学构件的固有碎片特征，作为反应分析的通用条形码，实现亚秒级反应结果读取。结合声学液滴喷射质谱，这一方法消除了缓慢的色谱步骤，并可多重评估反应条件。这一创新展示了化学合成中固有碎片特征的潜力，为超高通量化学实验提供快速、高效的数据支持。相关成果以“Continuous collective analysis of chemical reactions”为题发表在《Nature》上，第一作者为大连理工大学校友胡茂伟。

胡茂伟

蛋白质组学中采用了一种基于常见化学片段丢失的快速分析策略，这种方法通过串联质谱快速筛选所需分析物，而无需事先了解分析物的具体信息。这种技术也可应用于化学合成，利用化学碎片作为分子特征，实现快速反应混合物分析（图1c）。通过将起始材料的碎片指纹统一到下游产品中，可用串联质谱完成广义分析，避免缓慢的色谱步骤，克服传统异步分析的局限性（图1b）。这将加速高通量化学反应的分析，推动化学合成研究的发展。

图 1：共性概述了快速分析的路线图

中性损失法

作者研究了一种用于模块化化学合成的常用化合物 TIDA 硼酸盐，并发现其中 58 种化合物在质谱中表现出丢失 86 Da 中性片段的共同特性，这是由 N-B 键断裂释放甲基丙烯酸导致的（图 2a, b）。通过中性损失质谱法，实现了无需先验信息的目标无关快速分析，仅依赖样品的常见化学片段特性。结合声学液滴喷射质谱，该方法能够快速将样品注入质谱仪，避免传统液相色谱的复杂步骤，显著提高效率（图 2c, d）。实验结果表明，NL-ADE-MS 对 TIDA 硼酸盐具有高度灵敏性和线性（R²=0.99），并能在宽浓度范围内稳定运行。通过测试包含 100 种化合物的样本，覆盖不同分子性质，验证了该方法的可靠性，假阳性率仅为 2%。与传统 LC-MS 需定制分析配置文件不同，NL-ADE-MS 通过常见化学片段的丢失直接识别小分子，适用于高通量合成和分析。研究表明，该方法不受碎片参数、样品混合物成分或优化条件的影响，分析速度从每样本 3 秒提升至 1.2 秒，性能保持不变。这些结果确立了 NL-ADE-MS 作为快速、通用、高效的小分子分析工具的潜力，适合大规模化学筛选应用。

反应混合物分析

为了验证 NL-ADE-MS 在化学反应分析中的性能，作者以 TIDA 硼酸酯 1、2、3 和 4 为基础，进行了 C-N、C-C 交叉偶联、C-O 键形成、酰胺键形成、还原胺化和烷基化等反应，并结合 64 种条件，生成 384 次反应（图 2a、b）。通过碎片指纹，NL-ADE-MS 在 7.68 分钟内完成了所有产物的分析，结果与 LC-MS 数据高度相关。该方法快速准确，能筛选出最佳反应条件，并耐受常见杂质的影响。尽管反应中可能出现如还原胺化苄胺中的弱键干扰，NL-ADE-MS 仍实现了高精度结果，显示了其在高效化学筛选中的潜力。

图 2：常见片段的丢失驱动单秒反应分析

碎片优先实验

NL-ADE-MS 方法展现出高度通用性，适用于多种化学构建块，因为碎片化是化学物质的基本特性。通过分析起始材料的碎片指纹，无需对产物进行特定优化，减少了与其他碎片通道的干扰（图3a）。尽管可能出现竞争性碎片影响分析，但这通常只限于个别底物，不会影响整个高通量反应数据集。作者对多种化学构件（包括天然产物、Boc 和 THP 保护物种以及类药物构件）进行了测试，确认其碎片丢失特性能够支持高效分析（图3b-d）。在起始材料碎片指纹的指导下，各类化学转化可在 384 孔板中完成，并在不到 8 分钟内通过 NL-ADE-MS 精准分析，结果与 LC-MS 一致。这包括对复杂天然产物的关键位点修饰，例如环状氨基甲酸酯附属物优化、两性霉素 B 的酰胺键形成，以及构建用于药物开发的模块如 (+)-JQ1 和来那度胺类似物。这种基于碎片优先的分析方法大幅简化了反应分析，仅需依赖起始材料特性进行参数化。

图 3：高通量实验的片段化优先设计

反应条件的多重排序

通过在单个样品中混合多种分析物，NL-ADE-MS 显著提高了分析通量，其基于常见片段丢失提取峰值的方法使样品复用变得简单（图 1c）。在大规模实验中，作者利用 96 个芳基胺和 8 个卤代-TIDA 硼酸酯定义化学空间，进行了 12,288 次反应，并将混合物浓缩到单个 1,536 孔板中。NL-ADE-MS 每秒处理 1.2 个样品，仅用 32 分钟完成数据收集，而传统 LC-MS 需 25.6 天。开发的软件快速处理了多重数据，结果显示单独与多重分析高度一致 (R2 = 0.98)，解决了分析物串扰问题。实验设定了三个场景以评估性能：场景 1 针对单一卤化物选择最佳条件，NL-ADE-MS 准确排名催化剂和碱 (R2 = 0.98)（图 4b）；场景 2 选择特定胺的最佳条件，结果与 LC-MS 高度相关 (R2 = 0.91)，最佳条件识别率达 92%；场景 3 评估反应普遍性，NL-ADE-MS 数据与 LC-MS 几乎完全一致 (R2 = 0.99)，准确确定 tBuXPhos Pd G4 和 MTBD 为最佳条件（图 4d）。总之，该方法快速、高效，展示了广泛应用潜力。

图 4：化学反应混合物的超高通量多重分析

数据表明，常见化学片段丢失的普遍性使化学反应能够在多种情况下快速读取。通过在高通量实验中采用碎片优先的方法，可大大加速新功能的发现。但广泛应用时，需要关注弱化学键如何影响分析。快速定量测量、自然条件下的反应动力学、中性损失 LC-MS/MS 对反应条件的排序以及起始材料命运的探索研究，都展示了这种方法的未来潜力和应用前景。

来源：高分子科学前沿

声明：仅代表作者个人观点，作者水平有限，如有不科学之处，请在下方留言指正！