本文来自Chem-Station日文版  NMRの化学シフト値予測の実力はいかに Zeolinite

翻译投稿 炸鸡 校对 HaoHu

在研究某种化合物的NMR化学位移值时，我们通常是从文献，合成实例或SDBS数据库里中查找化合物化学位移的测量值，但如果没有测量值，则最好需要知道预测值。以前我们是依靠ChemDraw附带的化学位移值预测功能，但是ChemDraw预测的准确度有待提高，现在随着研究技术的发展，许多新的化学位移值预测软件也随之出现了。今天这篇内容，小编就来带大家比较看看不同NMR化学位移值预测软件之间的准确度差异吧。

化学位移值预测

了解过NMR的基础知识的同学们都知道，用NMR测得原子核的化学位移值，我们就能从原子核的化学位移值推断出原子核所在的化学环境。同样的，如果我们知道原子核的化学环境，我们也能推算出原子核的化学位移值，通过使用包括量子化学在内的理论化学方法进行分子结构优化和振动计算，就可以预测原子核的化学位移值。理论上正确的预测是使用Gaussian等方法，可是分子越大，电脑的处理时间就越长。因此，利用结构式简单预测NMR化学位移值的软件就应运而生了。
预测NMR的网站
• nmrdb.org：这个网站由瑞士联邦理工大学洛桑分校化学工程研究所信息化学部门负责人Luc Patiny等人运营。该网站除了能预测氢谱和碳谱化学位移外，还能预测COSY谱的化学位移值。
• NMRShiftDB是由志愿者制作的NMR数据库，其中预测服务对外开放。不仅可以预测氢谱，碳谱的化学位移值，还可以预测像COSY这样的二维核磁谱，₁₉F，₁₅N，₃₁P等其他原子核，还可以选择氘代溶剂修正图谱。可能存在预测值不准确的情况。
•ChemDoodle：是一款类似于ChemDraw的软件，你可以在网站上试用它的NMR预测功能。 其特征是能够在简单的界面中同时显示₁H、₁₃C、Mass。
• Orange NMR：这是由Kirill Blinov开发的一款iOS程序，Kirill Blinov曾就职于开发了ChemSketch的著名的Advanced Chemistry Development公司。免费试用版最多可以预测12个原子核（₁H或₁₃C）的化学位移值

文献上化学位移值的比较
让我们来比较下各类预测服务的预测准确度吧。测量值来自SDBS数据库，所用的ChemDraw为18.0版本。化学位移的误差值用RMSE（均方根）表示。因为ChemDoodle的使用次数有限，所以不能全部预测完。
首先对连接6元环和5元环的二烯进行了化学位移值预测，结果显示整体上所有软件预测的结果精度都还算不错。ChemDraw对所有原子核的化学位移值都预测的很准，但是第四个原子核的化学位移值预测的偏大，所以导致整体精度偏低。NMRShiftDB预测低场里的碳核时，预测的并不是很准。

接下来的是二甲基二烯中。出乎意料的是，ChemDoodle预测的精度最高。ChemDraw在预测碳核与氢核方面都具有一定的精度。NMRShiftDB对低场碳核的预测准确度仍然不理想。

接下来是3-氨基-1,2,4-三唑。从表中注意到nmrdb不能预测C，H之外的原子核的化学位移值。Orange NMR意外成为这次的最佳预测冠军，ChemDraw的表现也不错，但可惜预测的化学位移值都比测量值大。

在预测乙烯基硅烷中，由于元素的限制，ChemDoodle和Ornage NMR，nmrdb不能预测化学位移值。ChemDraw虽然预测氢核的化学位移值很准，但是预测第二个碳核的化学位移值有偏差。像预测二甲基二烯化学位移值时一样，ChemDraw预测乙烯基硅烷的碳核化学位移值也非常准确，可能是因为硅的影响。

预测拥有庞大的碳原子数的咔唑衍生物。Oranage NMR因为超过了免费使用的原子数，所以不能使用。尽管ChemDraw预测低场的化学位移值准确度还是一如既往的好，但综合来看，nmrdb的表现更好。

对具有4个苯环的化合物进行了化学位移值预测，ChemDraw综合准确度最高。对于不规则的结构，即使分子量变大也不会影响精度。

最后，我们预测了氟苯衍生物。ChemDraw对氢核的化学位移值的预测虽然很准，但是在碳核方面，ChemDraw对8号碳的预测严重偏离了测量值！另一方面，即使与氟键合，nmrdb的精度也很高。

总体来说，ChemDraw虽然也有过大的误算但综合准确度较高。在免费软件中，可以说nmrdb的精度较高，但是NMRShiftDB的限制较少，也具有通过重溶剂进行修正的功能，因此可以说适用范围较高。此次虽然没有使用天然物和氟以外的，像卤素、磷、含硫化合物等，但比较起来可能会发现上述之外的差异。
在由MS的情况下，GC-MS和LC-MS配备了根据测量结果推定分子的功能，但是在NMR中还没有这样的功能。另一方面，最近有报道结合量子化学和机械学习（以机器学习为手段解决人工智能中的问题），成功预测出了最高准确度的化学位移值。在NMR测量中，重要的是如何解释图谱结果，结构越复杂，就越需要参考其他数据和经验。因此，随着预测功能的不断发展，我们可以更简单，更准确地从核磁共振图谱中预测结构。