发现具有理想性能的功能分子仍然具有挑战，因为化学空间广阔，而实验探索十分有限。人工智能和数据驱动方法为加速分子发现提供了新机遇，但其有效性依赖于足够大且具有化学意义的候选结构空间^1,2。对于不对称催化体系，构象变化、弱相互作用和立体限域等三维因素可显著影响反应活性与选择性^3,4，如何构建兼具合成可行性和功能相关空间信息的不对称催化剂三维结构空间，仍是一个重要问题。在此，我们开发了一种合成信息引导的策略，通过将实验建立的合成知识与配位及构象约束相结合，实现催化剂三维空间的自动化构建。在符合配位场理论的螺环配体催化剂⁵上构建 1916 个候选结构，作为参考空间用于 286 条酮不对称氢化反应的对映选择性预测；在不符合配位场理论的冯氏手性 N,N′-二氧化物配体催化剂⁶上构建 846 个催化剂结构，并结合苯乙酮及相关衍生物与 α-烷基-α-重氮酯的增碳反应 TS-like 结构，最终形成包含 3384 个 TS-like 结构的数据库，用于模型训练与真实反应预测。



图 1 合成信息引导的3D催化剂空间构建及立体选择性预测
关键词：手性催化；结构生成；立体选择性预测；

参考文献
[1] Foscato, M.; Jensen, V. R., ACS Catal. 2020, 10, 2354-2377.
[2] Kulichenko, M.; Nebgen, B.; Lubbers, N.; Smith, J. S.; Barros, K.; Allen, A. E. A.; Habib, A.; Shinkle, E.; Fedik, N.; Li, Y. W.; Messerly, R. A.; Tretiak, S., Chem. Rev. 2024, 124, 13681-13714.
[3] Cai, Z.-X.; Liu, P.-Z.; Wei, T.-Y.; Tian, H.; Peng, Q.; Yin, L., J. Am. Chem. Soc. 2026, 148, 17684-17695.
Zhang, S.; Liu, P.-Z.; Li, Y.-B.; Zhang, Q.; Xiao, J.-Z.; Wang, Y.-F.; Wei, T.-Y.; Jiang, J.-W.; Wang, Y.; Peng, [4]Q.; Yin, L., Sci. China Chem. 2025, 68, 2524-2532.
[5] Xie, J.-H.; Liu, X.-Y.; Xie, J.-B.; Wang, L.-X.; Zhou, Q.-L., Angew. Chem. Int. Ed. 2011, 50, 7329-7332.
[6] Tan, F.; Pu, M.; He, J.; Li, J.; Yang, J.; Dong, S.; Liu, X.; Wu, Y.-D.; Feng, X., J. Am. Chem. Soc. 2021, 143, 2394-2402.