{
  "id": "organic-synthesis",
  "title": "有机合成",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "有机合成通过有计划的化学反应构建含碳分子，将分子设计与实验化学及工业生产相衔接。",
  "category": "science",
  "subcategory": "chemistry",
  "type": "concept",
  "aliases": [
    "有机合成化学"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/organic-synthesis/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/organic-synthesis/",
      "json": "https://aiwiki.page/en/organic-synthesis.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "有机合成是以较简单的原料为起点，通过一个或多个化学反应，有目的地构建有机化合物的过程。作为有机化学的核心研究活动，有机合成涵盖新转化反应的发现、特定分子合成路线的设计，以及能够可靠制备有用物质的工艺开发。其合成目标既包括简单的工业中间体，也包括药物、农用化学品、染料、分子探针和结构复杂的天然产物。\n\n合成使人们能够通过实验获得具有特定结构的分子，而不再只是描述自然界中已经存在的物质。通过控制分子中原子的连接方式、三维排列和官能团，化学家可以研究结构与性质之间的关系，验证所提出的结构，并创造具有新功能的化合物。因此，成功的合成不仅仅是形成某个特定的化学键，还必须解决选择性、产物鉴定、纯化、可重复性、安全性以及资源消耗等问题。\n\n这一领域将理论认识与实践判断相结合。反应机理解释可能发生的转化；合成规划将这些转化组织成路线；分析方法确定实际制得了什么物质；工艺开发则判断实验室制备方法能否转化为经济可行的工业生产工艺。分子构建领域的历史性成就依然重要，但当代合成日益重视效率、选择性催化、可持续原料，以及与生物学方法和计算方法的融合。"
    },
    {
      "heading": "范围、目标与成功标准",
      "text": "有机合成主要研究以碳为骨架的化合物。碳能够形成稳定的链、环，并与许多其他元素成键，因此这类化合物具有极其丰富的结构。有机合成的边界更多取决于实际惯例，而非绝对的划分。有机金属试剂、无机催化剂和生物体系经常承担关键反应步骤，而一些含碳物质，如简单的碳酸盐，按惯例主要归入无机化学。有机合成的核心是有目的地构建分子，而不是严格区分不同的元素类别。\n\n合成工作有几种不同的目标。目标导向合成旨在制得某种特定化合物，这类化合物往往具有生物活性或独特结构。合成方法学研究则致力于开发可适用于一定底物范围的化学转化。多样性导向合成用于制备结构多样的化合物库，而工艺导向的研究则着眼于为需要大量制备的物质寻找可靠且经济的合成路线。这些目标彼此交叉，但评价标准并不相同：一种前所未有的化学键构建方法，即使尚不适用于工业生产，也可能具有科学价值。\n\n全合成与半合成之间存在根本区别：前者从相对简单的起始原料出发组装目标分子，后者则对从生物或其他来源获得的现有复杂物质进行改造。这两个术语都不限定具体的操作步数。市售起始原料本身可能已经凝结了大量合成工作，因此，合成路线长短的说法取决于从哪里开始计算。历史上，部分合成和化学降解也曾为结构测定以及相关天然物质之间的相互转化作出贡献。\n\n最常见的成效指标是化学收率，通常以分离得到的产物量除以根据限量试剂计算出的理论产物量来表示。但仅有收率还不够。某个反应可能使起始原料几乎全部转化，却同时生成多种不需要的异构体；分析测得的高收率，也可能在产物分离后有所下降。有效的评价还需考虑选择性、纯度、可重复性、反应时间、原料的可获得性，以及分离产物所需的工作量。\n\n合成路线中各步的收率会逐步累乘。如果一条线性路线包含十个需要分离产物的步骤，每步收率均为80%，那么总收率就是 \\(0.8^{10}\\)，约为10.7%。这一计算说明了可靠的化学转化和高效的路线设计为何重要。不过，步数更少并不一定意味着合成方案更好：一条依赖稀缺试剂、分离困难或危险因素难以控制的短路线，可能不如一条更长但稳健可靠的替代路线。"
    },
    {
      "heading": "分子构建的历史发展",
      "text": "19世纪初，化学家将从生物体中获得的物质与来自矿物的物质区分开来，其中一些人认为有机物与某种特殊的生命力有关。1828年，弗里德里希·维勒由氰酸铵制得尿素，成为挑战生命化学与非生命化学之间严格界限的标志性事件。不过，不应将其历史意义简化为一次实验便立即终结了活力论。更准确地说，这项实验推动了一场更广泛的转变：有机化合物日益被视为可以通过常规化学手段分析、分类和制备的物质。\n\n19世纪，元素分析技术的改进和化合价观念的发展，使合成成为确定分子构造的工具。奥古斯特·凯库勒、亚历山大·布特列罗夫等人的工作，帮助阐明了原子连接方式的重要性。按照推定结构制备化合物，并将其性质与天然物质进行比较，能够提供仅靠分析无法获得的证据。1856年，威廉·亨利·珀金发现苯胺紫染料，也表明人工合成的有机物能够支撑重要新兴产业的发展。\n\n20世纪出现了许多新试剂和概念工具，大大拓展了能够合成的结构范围。维克多·格里尼亚创立的有机镁化学为碳—碳键的形成提供了用途广泛的方法，并因此获得1912年诺贝尔化学奖。1928年报道的狄尔斯—阿尔德反应，为构建六元环提供了一条强有力的途径。电子结构理论、立体化学和物理有机化学的发展，则使经验性的化学转化越来越多地与反应活性及选择性的理论解释联系起来。\n\n复杂天然产物的合成，成为衡量这一领域能力的一个格外引人注目的标尺。罗伯特·伯恩斯·伍德沃德的工作包括1944年与威廉·冯·埃格斯·多林合作合成奎宁，以及1954年合成士的宁、1960年合成叶绿素a；对于这些历史合成路线究竟完成到哪一步、涵盖哪些步骤，必须结合其采用的中间体及此前已有的转化来理解。伍德沃德因在有机合成方面的成就获得1965年诺贝尔化学奖。1972年宣布完成的维生素B12合成，由伍德沃德和阿尔伯特·埃申莫瑟的研究团队共同开展，堪称国际合作与极为精密的合成规划的典范。\n\n伊莱亚斯·詹姆斯·科里通过逆合成分析，推动合成规划成为一门系统化的学问，并于1990年获得诺贝尔化学奖。此后，不对称催化、烯烃复分解、交叉偶联和选择性连接反应等方面的进展，进一步拓展了这一领域。这些发展并未取代旧有的化学转化，而是不断充实累积起来的反应方法库；在同一条合成路线中，19世纪的反应常常与当代催化方法并用。"
    },
    {
      "heading": "逆合成分析与路线架构",
      "text": "逆合成分析从目标分子出发，逆向推演。它不仅问某种起始原料能转化成什么，还会问哪些更简单的前体能够构建出所需的结构特征。通过在概念上切断化学键，将目标分子拆解为假想的片段，再继续拆解，直至得到合适的起始原料。随后，还必须将这一逆向规划转化为可信的正向反应序列，采用实际可用的试剂、彼此相容的反应条件，以及有实验依据的转化。\n\n逆合成片段通常用合成子表示，即具有拟议成键过程所需反应活性的理想化单元。例如，一个带负极性的碳片段，在实验中可能对应烯醇负离子、有机金属试剂或某种掩蔽等价体。合成子是推理工具，不一定是能够分离得到的物质。其价值在于将结构逻辑与具体试剂的选择分开，从而便于比较同一种切断方式的多种实际实现方案。\n\n好的切断方式能够揭示有效的简化途径，例如显现分子的对称性、将目标分子拆分为复杂程度相近的片段，或将多个立体中心的构建归结为一种机理清楚的转化。有时，需要先进行官能团互变，才能看出有效的化学键切断方式。反过来，熟悉的官能团也可能产生误导，使人倾向于选择常规却低效的路线。因此，合成策略的规划需要权衡整个分子架构，而不能孤立地看待每一根化学键。\n\n路线的拓扑结构对效率有很大影响。线性合成通过单一的反应序列构建目标分子，而汇聚式合成则先分别制备较大的片段，再将它们连接起来。汇聚策略可以缩短最长线性序列，并减少需要经受反复操作处理的高价值后期中间体的用量。但它未必能提高以每一种起始原料为基准计算的收率，而且后期偶联若难以实现，也可能使其优势荡然无存。片段的稳定性、制备时间、化学计量上的平衡以及纯化难易程度，都会影响两类路线的比较。\n\n路线规划还包括备选方案和应变措施。某个后期转化可能失败，因为完整分子的反应表现与简化的测试底物不同。空间位阻、其他官能团的竞争反应或溶解度低，都可能使原本合理的预期落空。因此，化学家往往会在早期利用较接近目标结构的模型化合物或易于获取的片段，评估决定路线成败的关键反应。路线选择始终是一个迭代过程：逆合成分析提出由多种可能性构成的网络，实验结果改变各方案的优先次序，而最终的反应序列则同时体现结构逻辑与实际条件的制约。"
    },
    {
      "heading": "反应机理与选择性的控制",
      "text": "反应机理描述了反应物转化为产物所经历的一系列基元步骤。在合成中，反应机理有助于解释哪些键形成、哪些键断裂，以及为什么会出现竞争产物。许多转化涉及作为电子对给体的亲核试剂与作为电子对受体的亲电试剂之间的相互作用。其他重要反应途径则涉及自由基、协同的化学键重组或金属介导的反应。这些分类提供了有用的规律，但同一种人名反应在不同条件下可能遵循不同的机理。\n\n电子结构与分子所处的环境共同决定反应活性。化学键的极化、共振、空间位阻以及与溶剂的相互作用，都可能使某一位点比其他位点更容易发生反应。两可试剂可以通过不止一个原子参与反应，而含有多个官能团的底物可能提供多个潜在的反应位点。因此，仅凭结构式并不总能推断实际观察到的产物分布。反离子、催化剂配体、浓度以及痕量水，都可能改变实际参与反应的活性物种。\n\n选择性有几种不同的含义。化学选择性指对不同官能团的区分；区域选择性指对底物中不同位置的区分；立体选择性则指对可能形成的不同三维结构产物的区分。选择性还原可以使酮发生转化，同时保留酯基不变。不对称烯烃的加成可能生成不同的构造异构产物，而前手性酮的还原则可能得到不同的对映异构体。实用的合成往往需要同时具备多种选择性。\n\n热力学与化学动力学之间的关系至关重要。一个反应即使在热力学上有利，也可能因为活化能垒很高而进行得极其缓慢。当产物通过相互竞争的途径不可逆地形成时，其比例通常反映了各途径活化自由能的差异。如果产物能够相互转化并达到平衡，那么各产物的相对自由能就成为决定性因素。因此，“动力学控制”和“热力学控制”描述的是不同的反应状态，而不是贴在特定产物上的永久标签。\n\n对于相互竞争的基元反应途径，过渡态理论通过如下形式的表达式，将反应速率与活化自由能联系起来：\n\n\\[k=\\frac{k_{\\mathrm B}T}{h}\\exp\\left(-\\frac{\\Delta G^{\\ddagger}}{RT}\\right).\\]\n\n这个方程有助于解释，为什么相对较小的能量差异就能带来很高的选择性。不过，所提出的机理仍然需要证据支持。反应速率测量、同位素标记、立体化学结果、中间体检测以及计算研究，都可以用于区分不同的可能机理。一个看似合理的电子转移箭头示意图本身并不能作为证明，尤其是在催化反应中，观测到的丰度最高的物种未必就是形成产物的物种。"
    },
    {
      "heading": "碳骨架的构建",
      "text": "构建碳骨架往往是决定合成策略的核心问题。形成碳—碳键的方法包括：将电子性质互补的片段结合起来，使两个与金属相连的片段发生偶联，将自由基加成到不饱和体系上，或通过协同过程重组多个化学键。选择哪种方法，不仅取决于能否形成所需的键，还取决于成键时体系的氧化态、取代基、环的几何构型以及所含的官能团。\n\n格氏反应体现了亲核性碳的应用。有机镁试剂与合适的羰基化合物发生加成，随后经质子化生成醇。相关的有机锂和有机锌化学则在反应活性与官能团兼容性之间提供了不同的平衡。这类试剂使羰基加成成为有机合成的核心操作之一，但它们对质子源敏感，也可能与其他亲电基团反应，因此在复杂合成路线中的使用时机可能受到限制。\n\n烯醇负离子化学是另一类重要方法。在羟醛反应中，烯醇或由烯醇负离子提供的碳亲核试剂与羰基亲电试剂反应，形成碳—碳键，并生成带有对后续合成有用的含氧官能团的产物。通过控制羟醛反应，既可延长碳链，也可构建相邻的立体中心。相关的缩合反应、共轭加成和烷基化反应是许多药物与天然产物合成路线的基础。成功运用这些反应，需要控制烯醇负离子的形成位置、几何构型、聚集状态以及竞争反应。\n\n狄尔斯—阿尔德反应使共轭二烯与亲双烯体结合形成六元环，通常在一次反应中生成两个碳—碳键。该反应中的立体化学关系往往使复杂结构的构建具有较高的可预测性。其他环加成反应可用于构建四元环、五元环及更大的环，而关环反应则可将无环前体转化为环状目标分子。成环过程受到特殊的几何约束：小环存在张力，中环可能受到不利构象效应的影响，而大环化则面临分子间偶联的竞争。\n\n过渡金属化学极大地拓展了骨架构建的方法。交叉偶联反应利用催化剂将有机片段连接起来，通常其中一个反应组分带有离去基团，另一个则带有有机金属基团或其他可转移基团。铃木—宫浦反应、根岸反应和赫克反应在构建取代芳香结构及不饱和结构方面的影响尤为深远。烯烃复分解通过金属卡宾化学实现烯烃片段的交换，为环和碳链的构建提供了互补路线。这些方法并不能全面取代经典的羰基化学；其价值在于提供不同的切断方式，使合成路线能够适应目标分子在结构和操作上的具体要求。"
    },
    {
      "heading": "官能团转化与氧化态调控",
      "text": "官能团是具有特征性化学行为、可辨识的原子组合，例如醇羟基、氨基、羰基或羧基。官能团转化改变这些原子组合，但不一定改变分子的主要碳骨架。这类转化既是赋予目标分子最终性质的重要手段，也用于制备具有所需反应活性的中间体，以便后续成键。例如，醇可以作为亲电试剂、羰基化合物或酯的前体。\n\n氧化还原反应尤为重要，因为碳可以处于多种氧化态。常见的例子包括将醇氧化为醛、酮或羧酸，以及将羰基化合物还原为醇。氢化反应会改变不饱和度，也可用于确立立体化学构型。更具挑战性的转化需要在存在多个相似位点时，选择性地氧化或还原其中一个位点，因此，化学选择性与形式上的氧化还原变化本身同样重要。\n\n氧化态调控是贯穿整条合成路线的策略性问题。如果一个反应序列反复氧化和还原分子的同一部分，就可能耗费大量精力，却未增加结构复杂性。遵循氧化还原经济性原则的路线规划，力求以适宜的氧化态引入片段，并避免不必要的调整。不过，某个看似多余的氧化步骤，有时能为高选择性的成键反应创造条件，从而使较长的反应序列反而更可取。因此，应当比较完整路线的整体表现，而非单个转化是否精巧。\n\n酸碱化学支配着其中许多操作。质子化可以活化亲电试剂，去质子化可以生成亲核试剂，而不同位点的相对酸性则可能决定反应发生的位置。水解、酯化、酰胺形成及取代反应可使常见官能团相互转化，并连接分子片段。促进某一转化的条件也可能改变邻近基团，因此，必须针对整个底物评估反应条件的兼容性，而不能仅根据预期的化学键变化作出判断。\n\n保护基可暂时屏蔽活性官能团。例如，可以将醇转化为硅醚，或将胺转化为氨基甲酸酯，以便对分子的其他部分进行修饰。正交保护使不同保护基能够在不同阶段被选择性脱除。保护策略可以使原本无法实现的反应序列变得可行，但保护基的引入和脱除都会消耗试剂、时间和物料。因此，现代路线设计通常力求采用选择性反应，减少对保护基的依赖；同时也承认，对于官能团密集的分子，临时保护仍可能是最可靠的解决方案。"
    },
    {
      "heading": "立体化学控制与不对称合成",
      "text": "原子连接方式相同的分子，其三维空间排列可能不同，而这些差异可能导致截然不同的物理性质或生物学行为。因此，立体化学是界定合成目标的一部分，而不只是制得产物后对其进行描述的内容。立体中心的构型、双键的几何构型或环上取代基的相对取向，都可能决定一种化合物能否与生物靶标结合，或是否具有所需的材料性能。\n\n当一个结构无法与其镜像重合时，就具有手性。这样一对互为镜像的分子称为对映异构体；不互为镜像的立体异构体则称为非对映异构体。在非手性环境中，对映异构体在许多常规测量中表现出相同的性质，但它们与手性试剂、催化剂、固定相以及生物大分子的相互作用却有所不同。非对映异构体通常在溶解度、常规色谱行为等性质上就有较明显的差异。\n\n获得立体化学明确的产物有多种策略。手性源法以自然界中含量丰富的手性物质为起始原料，包括糖和氨基酸。拆分法从混合物中分离对映异构体，通常通过形成非对映异构衍生物或采用选择性色谱分离来实现。手性辅基则将具有立体化学导向作用的基团暂时连接到底物上。更广义地说，不对称合成利用手性因素的影响，使化学转化优先生成某一种立体异构体；其中，不对称催化能够使少量手性催化剂的作用得到放大，是一种尤为强有力的方法。\n\n混合物的对映体过量通常定义为\n\n\\[ee=\\frac{|n_R-n_S|}{n_R+n_S}\\times100\\%.\\]\n\n因此，两种对映异构体比例为95:5的混合物，其对映体过量为90%，而非95%。非对映异构体比描述的是另一种比例关系，不应替代这一指标。这两个数值都不能单独确定绝对构型；绝对构型的确定还需要其他证据，例如可靠的晶体学测定、与已知化合物的关联，或经过适当验证的光谱学与计算分析。\n\n催化不对称氢化、环氧化及其他转化展示了催化剂上的分子识别如何控制产物构型。2001年诺贝尔化学奖授予威廉·S.诺尔斯、野依良治和K.巴里·夏普利斯，以表彰他们在手性催化反应方面的研究。2021年的该奖项则授予本杰明·利斯特和戴维·麦克米伦，以表彰他们在不对称有机催化方面的贡献。尽管取得了这些进展，立体控制的效果仍取决于底物。在某一类结构上表现良好的催化剂，用于另一类结构时可能选择性很低；后续反应也可能通过差向异构化、可逆成键或易发生构型变化的中心处的构型改变，降低立体化学纯度。"
    },
    {
      "heading": "催化剂与其他活化方式",
      "text": "催化通过一条能使催化剂再生的反应途径加快反应，而不在总的化学计量转化中消耗催化剂。对于其他条件不变的同一反应，催化剂不会改变其平衡常数，却能显著影响相互竞争的反应途径的速率，从而改变实际观察到的选择性。催化剂的性能涉及活性、选择性、寿命以及对杂质的耐受性。即便催化体系活性很高，如果会迅速分解，或难以从产物中除去，也可能不具备实用价值。\n\n过渡金属催化剂利用其多变的配位环境和氧化态发挥作用。其基元步骤可包括氧化加成、迁移插入、配体交换和还原消除。配体能够调节金属中心的电子性质及其周围的可用空间，帮助控制哪种底物与金属中心结合，以及底物如何反应。2010年诺贝尔化学奖授予理查德·赫克、根岸英一和铃木章，以表彰他们在钯催化交叉偶联反应方面的贡献；这类方法已成为构建药物中间体和复杂分子骨架的核心手段。\n\n有机催化使用有机小分子作为催化剂。有些催化剂通过形成烯胺或亚胺鎓离子来活化羰基化合物；另一些则通过氢键、离子配对或一般酸碱相互作用，使底物有序排列。这些机制无需过渡金属便可提供有用的选择性，但“无金属”本身并不意味着环境影响更小。催化剂的制备、用量、溶剂使用和纯化要求仍然十分重要。酶提供了另一类催化平台，将底物识别能力与经进化形成、适于特定转化的反应位点结合起来。\n\n光和电流为获得活性态提供了更多途径。在光氧化还原催化中，处于激发态的催化剂向底物转移一个电子，或从底物接受一个电子，从而使自由基反应能够在不同于许多传统热反应的条件下进行。另一些光化学反应涉及的是能量转移，而非净电子转移。在合成电化学中，氧化或还原发生在电极上，有可能替代化学计量用量的化学氧化剂或还原剂。电极材料、电解质组成以及各物种向电极表面的传输都会影响反应结果。\n\n将不同活化方式结合起来，可以实现任一体系单独使用时难以完成的转化。例如，光氧化还原催化与过渡金属催化相结合，可以将自由基的生成与选择性成键衔接起来。这类双催化体系也会引入额外的失效途径，因为两种催化剂可能使彼此失活，或需要互不兼容的反应条件。当反应规模超出实验室小型容器时，光的穿透、电极面积、气体传质和散热就变得尤为重要。因此，评估这类体系既需要理解反应机理，也需要关注能量和物质如何进入反应体系。"
    },
    {
      "heading": "天然产物与复杂分子合成",
      "text": "天然产物是生物体产生的物质；在合成化学中，人们通常关注那些具有独特结构或生物活性的天然产物。生物碱、萜类、聚酮类等众多化合物家族提供了极具挑战性的合成目标。它们的复杂性可能来自多重环系、密集的官能团分布、不寻常的成键方式或大量立体中心。成功的合成能够证明某个提出的结构可以通过化学方法获得，并为相关研究提供材料，使其不必完全依赖有限的天然来源。\n\n全合成在结构验证中发挥着重要作用。光谱数据有时无法明确确定原子的连接关系或相对构型，对于样品稀少或构象灵活的化合物尤其如此。合成所提出的结构后，就可以将其测得的性质与真实样品进行比较。结果不一致可能促使研究者修正结构，但即使结果一致，也必须依据具有足够鉴别力的证据来解读。仅凭相似的光谱或相同的标称质量，并不能证明两者是同一种物质。\n\n仿生合成从推测的代谢中的生物合成转化汲取灵感，但不一定重现生物体所使用的酶或反应条件。串联反应可以通过一次活化步骤引发一系列反应事件，形成多个化学键或环。当底物的结构安排使其倾向于沿预期路径反应时，这类方法能够以非同寻常的直接方式构建复杂结构。不过，它们也可能难以控制，因为活性中间体可能进入相互竞争的重排或环化路径。\n\n复杂的合成目标一再推动方法学创新。紫杉醇的紫杉烷骨架因其环系构造和含氧官能团的分布而给化学家带来了挑战；1994年，罗伯特·霍尔顿和 K. C. 尼古拉乌领导的团队分别独立报道了其全合成。商业化生产依赖的是半合成、植物细胞培养等路线，全合成并不会因此自动成为制造方法的首选。这一区别说明，具有里程碑意义的实验室成果与解决工业供应问题是两种不同的成就。\n\n复杂分子合成的科学价值并不限于重现天然结构。合成路线还可以提供改变了取代基、带有同位素标记或有意简化骨架的类似物。这些化合物有助于区分特定结构特征对生物活性的贡献。然而，目标分子的复杂程度本身并不足以衡量合成工作的质量。比较不同路线时，还要考察它们是否揭示了新原理、能否可靠地制备相关化合物，或是否改善了实际供应。高难度目标可以成为检验合成方法的试验场，但一项合成工作更广泛的意义，取决于它使哪些事情成为可能。"
    },
    {
      "heading": "生物分子、分子库与功能材料",
      "text": "有机合成通过构建和修饰肽、碳水化合物、核酸及其他具有生物学意义的分子，与生物化学直接相连。这些合成目标带来的难题不同于许多小分子：重复出现的官能团可能难以区分，较大的结构可能发生聚集，微量杂质也可能难以分离。与此同时，这些分子的模块化结构允许采用标准化的组装策略，而结构不规则的碳骨架则较难采用这类策略。\n\n固相合成将不断延伸的分子连接到不溶性载体上，从而可以通过洗涤去除可溶的过量试剂和副产物。罗伯特·布鲁斯·梅里菲尔德于1963年提出固相肽合成法，并于1984年获得诺贝尔化学奖。通过反复进行选择性脱保护和偶联，可以逐步组装肽链，但反应不完全可能导致缺失产物积累。保护基设计和分析监测仍然至关重要，而且将分子连接到载体上并不意味着可以省去最终纯化。\n\n寡核苷酸的化学合成通常通过反复的偶联循环构建DNA或RNA片段，常用的是亚磷酰胺化学。该方法可提供用于研究、诊断及其他技术的核酸序列，而酶促合成则提供了互补的能力。碳水化合物的合成面临另一类挑战：每个糖苷键的形成都可能涉及连接位置和异头构型的选择，而支化又使可能的结构成倍增加。因此，可靠的糖基化反应取决于供体和受体的结构、活化方法、保护基的配置以及反应环境。\n\n组合化学和平行合成通过系统地改变构建单元或反应组分，生成化合物集合。这类集合可用于筛选和构效关系研究，但其价值取决于分子质量和多样性，而非仅仅取决于化合物的数量。点击化学是一种强调高效、模块化成键的理念，铜催化的叠氮化物–炔烃环加成反应成为其中的代表性实例。生物正交反应通过与预先引入的反应基团发生反应，同时尽量减少对生物体内原有分子功能的干扰，将选择性化学拓展到生物环境中。卡罗琳·贝尔托齐、莫滕·梅尔达尔和K.巴里·夏普莱斯因在这些领域的发展中作出的贡献，获得了2022年诺贝尔化学奖。\n\n有机合成还提供聚合物、有机电子材料、染料、黏合剂和分子主体。在这些领域，合成目标可能是具有一定链长分布的产物或某种重复单元结构，而非单一、离散的分子。单体纯度、区域规整性、交联密度和端基都可能显著影响材料性能。有机半导体和共轭材料表明，精确控制的连接方式会影响电荷传输和光学行为；超分子体系则利用非共价识别，将合成组分组织成更大的功能性组装体。"
    },
    {
      "heading": "实验实施、纯化与结构确证",
      "text": "一项拟定的合成方案，只有经过实验实施和充分表征，才能成为科学成果。实验室工作必须把控起始原料的身份与质量、操作顺序、反应环境及分离程序。有些转化能够耐受空气和水分；另一些则必须隔绝二者，因为氧气或水会改变试剂的组成，或破坏活性中间体。要保证可重复性，就必须描述影响反应的各项变量，而不能只是列出试剂名称并给出名义上的反应时间。\n\n反应监测用于辨别转化不完全、产物生成及分解等情况。薄层色谱可用于快速进行定性比较，而在方法和响应因子适当的情况下，高效液相色谱和气相色谱则可提供定量信息。取样本身也可能影响结果：样品取出后可能继续反应，也可能在淬灭过程中发生变化。原位光谱及其他过程分析方法通过直接观测反应混合物，减少了其中的一些不确定性。\n\n分离不等于反应。萃取、过滤、结晶、蒸馏和色谱法依据不同的物理性质分离产物。即使某一转化具有很高的选择性，如果产物与杂质难以分离，仍可能不具备实用性。反之，收率中等的反应，如果产物能通过结晶获得高纯度，也可能具有实用价值。后处理条件同样重要，因为在预期的成键过程结束后，产物仍可能发生水解、重排或立体化学组成的变化。\n\n结构表征需要综合相互补充的证据。核磁共振可揭示局部化学环境及相关关系，帮助确定原子连接方式和立体化学。质谱法可限定分子组成的可能范围，并揭示碎裂行为。红外光谱学可识别化学键的特征振动，而对于合适的晶体，X射线晶体学可提供直接的结构模型。每种技术都有局限：精确质量无法区分所有异构体，而在缺少充分的反常散射信息或其他可靠参照时，晶体结构也未必能够确定绝对构型。\n\n纯度与化合物身份是两个独立的判定。样品可能主要由一种化合物构成，但其结构归属有误；也可能确实含有所需化合物，却同时含有大量杂质。由于检测器对不同物质的响应不同，色谱峰面积百分比并不必然等于质量百分比。定量核磁共振、经校准的色谱分析以及适当的标准物质，都能提高测量的可靠性。所报告的实验步骤若包含收率、相关谱图、纯度证据和足够的操作细节，就最具参考价值，因为这些信息有助于区分：某项转化究竟具有普遍的可重复性，还是依赖于未被识别的特定实验条件。"
    },
    {
      "heading": "工艺开发与生产规模",
      "text": "工艺化学将合成途径转化为能够按所需规模和质量要求可靠生产物料的方法。首选的生产路线可能与研发初期采用的路线有很大差异。为了获得几毫克研究用样品，使用昂贵试剂、反复进行色谱分离、采用极稀的反应体系或使用不稳定的中间体或许可以接受，但在公斤级或吨级生产中则可能并不适用。因此，工艺开发需要统筹重新考虑起始原料、反应步骤的先后顺序、溶剂选择、分离策略和杂质控制。\n\n规模变化会改变体系的物理行为。容器尺寸增大后，混合与传热并不会自动保持相同的效果。如果可用的冷却能力不足，快速放热的反应就可能变得难以控制。气液反应依赖相间传质，而固体析出可能影响搅拌、过滤和局部浓度。量热法和动力学测量有助于确定放热速率与反应速率如何随条件变化，为评估潜在的热失控及其他工艺危险提供依据。\n\n对于受监管产品，杂质管理愈发重要。少量的活性污染物、残留催化剂、溶剂或结构相近的副产物，可能需要采用专门的分析方法加以控制。最佳策略往往是防止杂质形成，而不是在形成后将其去除。了解杂质的来源及其如何被带入后续步骤，有助于化学家确定有效的控制点。结晶可以发挥很强的纯化作用，但其效果取决于溶解度、固体形态、成核和晶体生长。\n\n流动化学使反应物料流经通道、管道或其他连续式设备，而不是在单个批式反应容器中完成每一项操作。它可以改善传热、精确控制停留时间，并限制任一时刻体系中活性中间体的量。合适的流道几何结构有利于光化学和电化学转化。流动工艺并非在所有情况下都更优：固体可能堵塞设备，多相体系的行为可能难以预测，下游分离也可能仍需采用批式操作。\n\n经济性评估并不只考虑试剂的采购价格。生产周期、设备占用时间、人工、溶剂回收、废物处理以及供应的可靠性，都会影响生产成本。采购价格高的催化剂在用量较低时仍可能具有经济性，而价格低廉的试剂也可能造成代价高昂的分离难题。知识产权方面的限制，以及能否获得符合要求的起始原料，也可能影响路线选择。工业生产的核心问题在于，整个工艺能否安全、经济地持续产出质量一致的物料，而不是某个反应单独看来是否精妙。"
    },
    {
      "heading": "资源效率与环境评估",
      "text": "绿色化学旨在通过化学品和工艺的设计，减少危害和资源消耗。在有机合成中，这包括避免不必要的衍生化、选择危害较小的溶剂和试剂、提高催化效率，以及减少单位产品产生的废物量。环境表现必须从整条合成路线来评估，而不能仅凭某一项看似有利的特征来判断。例如，在水中进行的反应，仍可能需要高耗能的萃取操作，并产生大量受污染的废水。\n\n原子经济性由巴里·特罗斯特于1991年提出，用于衡量反应物的原子质量在理论上有多大比例进入目标产物。对于配平的反应，可表示为\n\n\\[\\text{Atom economy}= \\frac{\\text{molar mass of desired product}} {\\text{sum of stoichiometric molar masses of reactants}} \\times100\\%.\\]\n\n这一指标可以区分保留了大部分反应物原子的转化，以及将较大片段作为副产物排出的转化。不过，它是一个理论指标，并未计入实际收率、溶剂、过量试剂或纯化材料。\n\n其他指标可弥补这些缺漏。E因子是废物质量与产品质量之比，而过程质量强度则是物料总投入量与产品产出量之比。两者的数值取决于核算边界，尤其取决于如何计入水和回收溶剂，因此比较时必须采用一致的定义。如果某项转化使用大量过量试剂，或在高度稀释的条件下进行，即使收率很高，其质量效率也可能很差。反过来，原子经济性一般的反应，如果选择性极高且产物易于分离，也可能仍具有竞争力。\n\n原料来源还会带来其他权衡。生物质来源的化合物可以减少对化石碳的依赖，但其生产可能涉及土地、水、能源和分离成本。以二氧化碳为碳源，并不意味着合成就一定有利于气候：由于其化学性质稳定，往往需要输入能量进行活化，或使用高能反应物。生命周期评价会考虑上游材料生产、加工能耗、运输、废物处理，以及反应层面指标未涵盖的其他负担。\n\n催化、多步串联操作、溶剂回收利用和生物催化，在与工艺适当匹配时，都能改善环境表现。酶促反应可以在温和条件下实现高选择性，但酶的制造、底物投料浓度和产物回收仍会影响总体环境负荷。电化学和光化学路线也有类似的限制条件：其优势部分取决于电能来源和设备效率。因此，有意义的环境比较应以实测工艺数据和明确的系统边界为依据，而不是依赖“天然”“可再生”或“无金属”等笼统标签。"
    },
    {
      "heading": "计算、自动化与尚未解决的预测问题",
      "text": "计算在多个层面为有机合成提供支持。电子结构计算用于研究反应路径、中间体的相对能量以及选择性的可能来源。分子建模用于探索构象和空间位阻相互作用，化学信息学则用于组织分子结构与反应记录。这些方法的用途和可靠性各不相同。能够解释已观察结果的计算，不一定能准确预测新底物的反应，尤其是在实际催化剂组成、溶剂的参与方式或反应活性物种的聚集状态尚不确定时。\n\n计算机辅助合成规划将分子表示为可通过预先编码或学习得到的反应规则进行转化的结构。搜索算法从目标分子出发逆向推演，比较可能的断键方案，并将提出的前体与可获得的起始原料衔接起来。现代系统利用机器学习评估反应的可行性、建议反应条件或对路线进行排序。其建议仍然取决于底层数据的质量和覆盖范围、对反应成功的定义，以及用于路线评分的目标。\n\n已发表的反应数据存在系统性局限。成功的实验比失败的尝试更容易被报道，操作细节可能不完整，不同类别底物的数据分布也不均衡。文献报道的收率可能依据分离产物、对粗产物的分析估算，或采用不同校准方式的测量结果。基于这些记录训练的模型可能学到有用的规律，却仍无法识别导致失败的物理原因。当训练集和测试集中同时出现高度相似的实例时，表面上的预测准确率也可能被夸大。\n\n自动化将标准化的液体处理、反应执行、分析和数据记录结合起来。高通量实验能够以相对较少的用量，测试催化剂、配体、溶剂和底物的多种组合。闭环系统可以根据先前结果选择后续实验，利用优化方法寻求指定目标。然而，自动化平台在处理非均相混合物、转移对空气敏感的物料、执行非常规后处理，以及处理黏度会变化或会析出沉淀的物料时，仍面临困难。将合成与纯化及结构确证可靠地整合起来，尤其具有挑战性。\n\n尽管计算资源不断增加，一些预测难题依然存在。在多官能团分子中普遍实现位点选择性控制、可靠地构建位阻较大的化学键、预测催化剂面对陌生底物时的行为，以及将小规模实验结果转用于工业生产，仍然十分困难。路线优化本质上也是多目标问题：成本、收率、安全性、时间、环境负担和灵活性可能分别指向不同的解决方案。因此，规划系统不仅必须表示哪些转化在化学上是可能的，还必须表示每个拟议步骤所涉及的实验假设、物料约束和不确定性估计。"
    }
  ],
  "links": [
    "chemical-reaction",
    "organic-chemistry",
    "molecule",
    "carbon",
    "nobel-prize-in-chemistry",
    "reaction-mechanism",
    "nucleophile",
    "electrophile",
    "resonance-chemistry",
    "thermodynamics",
    "chemical-kinetics",
    "activation-energy",
    "isotope",
    "functional-group",
    "redox-reaction",
    "hydrolysis",
    "protecting-group",
    "stereochemistry",
    "chirality",
    "enantiomer",
    "asymmetric-synthesis",
    "catalysis",
    "ligand",
    "organocatalysis",
    "electrochemistry",
    "electrode",
    "metabolism",
    "biochemistry",
    "carbohydrate",
    "click-chemistry",
    "polymer",
    "water",
    "distillation",
    "chromatography",
    "nuclear-magnetic-resonance",
    "mass-spectrometry",
    "infrared-spectroscopy",
    "x-ray-crystallography",
    "calorimetry",
    "thermal-runaway",
    "green-chemistry",
    "carbon-dioxide",
    "biocatalysis",
    "machine-learning"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}