Zotatifin

NAT. PROD. REP. · 综述解读 高通量筛选规模下的天然产物结构鉴定 Structural Determination of Natural Products atSpeeds and Scale of High-Throughput Screening C.C. Thornburg · R. Kumar · D. WangB.R. O'Keefe* · T. Grkovic* 美国国家癌症研究所 Frederick 天然产物研究组 Natural Product Reports, 2026 ·  DOI: 10.1039/d6np00016a 摘要 本文综述了2000—2025年间适用于天然产物库高通量筛选（HTS）中小分子常规结构解析的分析技术。综述重点关注任务管理的速度与规模，梳理了支撑微量、快速解析复杂分子的技术与数据库工具进展。本文旨在呈现天然产物领域的前沿水平，对现有技术与工具进行批判性评估，并聚焦于它们能否在短时间内分析大量样品，以匹配高通量筛选的速度与规模需求。 目录               引言 分离方法 质谱技术 3.1 支撑天然产物快速分析的离子源 3.2 质量分析器平台及其对通量的影响 核磁共振技术 4.1 NMR磁体与探头技术 4.2 关键脉冲序列与NMR实验 4.3 非均匀采样 其他技术 5.1 红外光谱 5.2 手性光谱技术 数据库工具 6.1 质谱数据库 6.2 NMR数据库 匹配HTS的速度与规模 7.1 HTS天然产物活性物高通量化学分析案例 结论与展望 1. 引言 高通量筛选（HTS）是一种依托自动化平台完成大量生物与化学样品测试的技术。基于天然产物（NP）的HTS通常以粗提物或半纯化组分库为对象，针对细胞或无细胞疾病靶点进行筛选，旨在鉴定活性分子并评估其特异性，从而支撑后续的成药开发。现代HTS的核心优势在于采用384或1536孔板，其单日通量可超过 10,000 个样品。理想情况下，一个多样化且注释完善的样品库是HTS取得成功的关键。 尽管早期HTS概念的发展曾依托于天然产物库，但由于其与自动化平台及时间线的不兼容性，其应用在后续发展中逐渐减少。近年来，进入临床前阶段的代表性天然产物及其衍生物包括基于植物天然产物罗汉松脂素的Zotatifin以及基于细菌天然产物sanglifehrin的RMC-6236。 尽管如此，天然产物样品的活性鉴定速度长期以来远超其化合物结构鉴定的速度；近年来的技术进步正试图缩小这一差距，使天然产物化学研究能够更好地匹配HTS的整体流程。 植物、海洋生物及微生物提取物的成分极其复杂，常含有数十至数千个化合物，且其极性与理化性质跨度极大。未知的溶解度与黏度为液体处理机器人带来了严峻挑战；此外，提取物中常含有高浓度的盐、糖、单宁、色素及脂质，这些成分不仅干扰检测终点，还可能导致假阳性结果。 然而，最大的瓶颈仍在于天然产物中微量小分子的分离与结构解析效率。活性成分往往需要经过多轮色谱分离和反复的活性导向筛选才能获得纯品并最终确定其结构，这极大地推高了成本并延长了研究周期。 本文旨在梳理从天然产物混合物中进行小分子分离、表征与注释的技术进展，使其能够作为多样骨架与结构资源应用于HTS，并探讨核心问题：天然产物的结构解析能否匹配HTS的速度与规模。 2. 分离方法 传统的天然产物库多以干燥植物、冷冻样本或粗提物为主；随着色谱自动化技术的进步，预分级天然产物库在药物发现中的应用显著增加。对PubMed中检索"天然产物库组分"这一术语的分析显示，其在2000年代中期首次被广泛使用（相关文献>10篇），但在随后的20年间其使用频率并未呈现显著增长；当与"HTS"联用时呈现出类似趋势，但文献总量更低。 预分级库策略 大多数大型天然产物库（>100,000 个样品）采用固相萃取、反相高效液相色谱（RP-HPLC）或两者联用的策略来分离粗提物，且大多采用标准化的洗脱梯度、定时收集与高通量液体处理系统。 基于预分级库的方法开发与复筛实践已证实：该方法能够有效去除干扰物、富集微量代谢物、将活性聚焦至单一组分，并显著缩短活性成分的分离周期，从而凸显了预分级库在HTS中的重要价值。 高效、自动化的色谱分离技术的发展，也加速了组分库中单个成分的鉴定过程。去重（dereplication）最初主要应用于预分级库或单一筛选项目，指对已知化合物进行注释与鉴定；如今该方法已被广泛用于大型预分级库及粗提物分析。 该流程通过获取半纯化或粗提物的高分辨质谱与光谱数据，并结合光谱数据库与人工智能工具，实现对样品中化合物的快速识别。 早期去重的主要目的是剔除已知结构以聚焦新化合物的发现；但随着分析化学方法的持续进步，它已成为天然产物化学家的核心工具，能够更全面地解析已知分子骨架周围的化学空间。 图1. 2000-2025年间PubMed数据库中基于特定关键词的出版物数量统计 图中包含三条曲线，分别对应以下检索策略： （A） 使用关键词“natural product library fraction” 的检索结果。 （B） 使用关键词“natural product library fraction” 与“high throughput screening” 组合的检索结果。 （C） 使用关键词“dereplication”、“natural product”、“fraction” 和“crude” 组合的检索结果。 3. 质谱技术 从天然产物库HTS活性物中鉴定目标化合物，要求在与筛选匹配的时间框架内，从复杂、低丰度的混合物中提取有效的结构信息，这凸显了质谱（MS）已成为高通量天然产物发现（HT-NPD）的核心分析平台。在当前流程中，质谱常规应用于早期去重、优先筛选新颖性化合物、识别构效关系类似的化合物系列，并通过核磁共振等正交技术对样品进行分流，最终完成活性天然产物的分离与结构确证。 HT-NPD挑战 现代天然产物发现的持续挑战，不仅仅在于实现高通量的质谱数据采集，更在于建立一套分离–电离–采集–信息学的整合流程，以HTS级别的速度与规模完成活性物的去重工作。 本节将聚焦于当前HT‑NPD中主流的质谱平台与流程；关于更全面的方法学进展，可参考其他相关综述。3.1 支撑天然产物快速分析的离子源 ESI电喷雾电离（ESI）是天然产物发现领域的主流离子源，其具有灵敏度高、代谢物覆盖范围广的特点，兼容水相与有机相流动相，适合在质谱分析前进行在线色谱分离。其软电离特性能够产生稳定的分子离子，支持加合物化学的形成，有助于母离子的精准指认，并提供高质量子离子质谱图（MS/MS谱），用于数据库匹配、分子网络构建及in silico结构预测。在高通量应用场景下，ESI常与快速色谱梯度联用，以平衡分析通量与化学分辨率。 APCI/APPI大气压化学电离（APCI）与大气压光电离（APPI）可作为ESI的有效补充，尤其适用于低极性或疏水性天然产物（如萜类、甾体、脂溶性生物碱等），其对盐类与辅料的耐受能力更强，因而更适合对微孔板制备的半纯化组分与粗提物进行分析。无需硬件改造即可在ESI、APCI及APPI之间切换的多模式离子源，在高通量实验室中日渐普及，能在保证分析通量的同时拓展化学空间的覆盖范围。 DESI/MALDI解吸电喷雾电离（DESI）与基质辅助激光解吸电离（MALDI）等常压电离技术能够直接分析固体或液体样品，完全省去色谱分离步骤，可应用于部分HTS流程。MALDI技术特别适用于菌落水平的天然产物筛选、途径工程、定向进化及板联酶活检测；成像MALDI‑MS则能够实现微生物互作与生物合成表型的空间分辨分析。 尽管液体处理机器人的进步实现了样品制备的部分自动化与高密度阵列化，使得HTS MALDI‑MS的数据采集速率可达1–2秒/样品，但样品制备环节仍是主要的限制因素，且基质干扰会抑制低分子量（m/z < 500）分析物的信号。 3.2 质量分析器平台及其对通量的影响 HT‑NPD高度依赖高分辨精确质量（HRAM）质谱平台，主要包括四极杆飞行时间（QTOF）与轨道阱（Orbitrap）两大类，它们为元素组成确定、谱库匹配与计算注释流程提供了关键支撑。 主要HRAM平台对比 QTOF质谱仪在分辨率、质量准确度与数据采集速度之间取得了良好平衡，适合用于HT‑NPD流程，其支持快速全扫描与数据依赖型MS/MS采集，其占空比设计可适配亚分钟级的色谱梯度。其稳定性与谱图重现性使其成为非靶向代谢组学与天然产物去重的主力仪器，尤其适用于GNPS分子网络等平台化分析。 Orbitrap质谱仪具有更高的分辨率，其质量准确度可达亚ppm级，支持精确的元素组成分析、同位素精细结构分析及in silico碎裂注释，在需要自动分子式分配、结构解析或化合物类别预测的数据集中优势显著。近年来，扫描速度与数据采集方法的进步，显著缓解了分辨率与通量之间的传统矛盾，使得Orbitrap能够在短梯度的超高效液相色谱（UHPLC）条件下高效运行。离子迁移质谱（IM‑MS）技术 离子迁移质谱（IM‑MS）是天然产物发现领域的新兴强力工具，尤其适用于成分复杂、共流出现象严重、异构体普遍的植物与微生物提取物分析。IM‑MS基于离子的尺寸与形状（碰撞截面，CCS）及电荷，在毫秒级时间内完成气相分离，为保留时间与m/z增加了漂移时间或CCS这一维度，从而在不延长色谱梯度的前提下有效提升了峰容量，实现了对共流出、同质量甚至是部分同分异构体的分离。 CCS值与精确质量、保留时间、MS/MS碎裂谱共同构成了正交的分子描述符，可提升去重的准确度、减少假注释，并通过漂移时间分离重叠的母离子，降低数据依赖采集中产生嵌合谱的可能性。 这些特性使其特别适合分析富含萜类、聚酮、生物碱等异构体密集的天然产物提取物。 IM‑MS技术局限性 天然产物CCS数据库仍不完善 异构体之间的细微区分存在困难 不同平台或校准方式导致的CCS值波动 数据复杂度上升以及潜在的灵敏度损失 然而，目前专门聚焦于天然产物的CCS数据库仍不完善，异构体之间的细微区分存在困难、不同平台或校准方式导致的CCS值波动、数据复杂度上升以及潜在的灵敏度损失，这些因素限制了其在HTS中的广泛应用。因此，目前IM‑MS更适合作为高通量LC‑MS/MS流程的补充方法，而非独立的解决方案。联用技术与色谱平台 联用多种电离技术以及正负离子切换模式的HRAM质谱仪，能够提升活性组分中分析物结构鉴定的可信度；基于色谱的联用技术则可大幅加速结构解析进程，无需从复杂基质中进行大规模分离即可完成对分析物的鉴定。 相较于传统的高效液相色谱（HPLC），UHPLC在分析速度、分辨率及灵敏度方面具有显著优势，是HT‑NPD分析的支柱技术。UHPLC采用粒径小于2μm的小颗粒固定相，可在更短的洗脱梯度内获得更尖锐的色谱峰形与更好的分离效果；装备完善的HT‑NP实验室可采用少于5分钟的洗脱梯度，结合板进样技术与自动质量控制（QC）策略，实现单日处理数百个样品，通过多机并行处理，日处理量可达数千个样品。 气相色谱-质谱（GC‑MS）、超临界流体色谱-质谱（SFC‑MS）、毛细管电泳-质谱（CE‑MS）等联用平台对挥发性/半挥发性天然产物与疏水代谢物的分析尤为有效，它们是质谱之外完成最终结构解析的必要手段；这些技术通常需要专用设备，更适合于特定的筛选与检测应用，详细内容可参见其他文献综述。 4. 核磁共振技术 核磁共振（NMR）是研究天然产物分子结构最全面的方法之一，它可检测分子中所有磁性原子核并确立原子间的成键关系，且具有无损分析、样品用量少、实验可重复的优点，特别适合解析结构极为复杂的天然产物的构型与构象。 目前，绝大多数发表新天然产物结构的期刊都要求在补充材料中提供NMR谱图数据，部分期刊甚至要求上传原始数据，这足见NMR在天然产物研究中的核心地位。 本节将梳理近25年来NMR在灵敏度与分辨率方面的重大技术突破，及其在天然产物结构解析、已知结构快速去重、HT-NPD化学分析中的应用进展。 4.1 NMR磁体与探头技术 NMR的灵敏度与分辨率取决于磁场强度与探头设计。自1960年代末首台商用NMR谱仪问世（¹H共振频率为20-200 MHz）以来，超导磁体技术持续进步，近年来的商用谱仪已突破 1 GHz（¹H共振频率）。 1960年代  首台商用NMR谱仪问世（¹H共振频率20-200 MHz） 1990年代 3 mm探头问世，低温探头技术商业化 2003年 1 mm探头推出 2020年代 商用谱仪突破1 GHz（¹H共振频率） 通过对2025年、2015年及2005年三期《Journal of Natural Products》中报道的新天然产物结构所使用的¹H NMR共振频率进行统计可见：2025年，绝大多数实验室已使用500 MHz 及以上的高场核磁共振谱仪，较10年前及20年前水平有了稳步提升。 图2. 2005、2015 和 2025 年《Journal of Natural Products》第 10、11、12 期报道的新天然产物结构解析所使用的 NMR 频率分布。数据以占总统计数的百分比呈现。 高场强不仅提升了检测灵敏度，还能提升谱图分辨率，解析低场下重叠的复杂信号，从而提高去重的速度与准确度、加速新次生代谢物的发现、更快地获取进行结构解析所必需的实验证据。 NMR探头技术的进步同样显著。早期普遍采用标准的5 mm探头，自1990年代初出现了3 mm探头，数年后推出了1.7 mm探头，2003年则推出了1 mm探头。对于微量的天然产物样品，更小口径的探头所需氘代溶剂量更少，单位体积样品的灵敏度更高。 最具里程碑意义的突破是低温探头，该项技术于1990年代末实现商业化。采用氦气（工作温度25-35 K）或氮气（工作温度80-83 K）冷却的探头彻底革新了NMR的性能，大幅加速了谱图采集速度，使得能在纳摩尔级甚至更低的样品量下完成结构解析。 过去60年间，在磁体场强、探头设计与谱仪硬件方面的整体技术进步，使得NMR实验的灵敏度提升了三个数量级以上，使其成为HTS天然产物研究中获取关键结构数据的常规快速技术。 4.2 关键脉冲序列与NMR实验 现代NMR谱仪提供超过1500种脉冲序列，其中二维异核相关实验的普及，极大地提升了天然产物结构解析的能力。本节仅筛选对显著加速样品采集、适用于高通量化学分析的关键序列进行介绍。 HSQC 多重编辑的异核单量子相关谱（HSQC）是天然产物去重中最通用、最实用的二维异核实验之一，其为质子检测序列，其灵敏度远高于无畸变极化转移增强谱（DEPT），堪称高效、常规的结构解析工具。 DOSY 扩散序谱（DOSY）依据分子在溶液中的扩散系数（D）来区分来自不同化合物的NMR信号，已被成功应用于解析结构多样的天然产物混合物、已知物的去重。 AI辅助分析 当与SMART、DeepSAT等AI模式识别工具联用时，可实现快速可靠的化合物去重；其高灵敏度允许实验在短时间内完成，因而适配HT-NPD分析的要求。 NMR在天然产物研究中的关键应用 结构极为复杂的天然产物的构型与构象解析 已知结构的快速去重 HT-NPD化学分析 新次生代谢物的发现与鉴定 无需纯化即可实现混合物中信号的分离 4.3 非均匀采样 非均匀采样（NUS）的概念提出已超过40年，近年来被快速采纳并广泛用于NMR数据的采集与处理。与标准的均匀采样（时域信号经离散傅里叶变换得到频域谱图）不同，指数型的NUS方法仅保留均匀采样约25%-50% 的数据点，从而能够更快地采集高灵敏度或高分辨率的谱图，显著缩短小分子天然产物结构解析所需的时间。 在HSQC、异核多键相关谱（HMBC）等二维实验中，NUS技术可有效降低检测限，在指定维度的灵敏度提升最高可达两倍，这意味着即使样品量更少，也能开展更多种类的实验。 5. 其他技术5.1 红外光谱 红外光谱（IR）通过检测化合物与特定波长红外光的相互作用来分析物质结构。传统的IR分析依赖手动制备溴化钾（KBr）压片，过程耗时且可能损耗样品，这限制了其在HT天然产物化学中的常规应用。衰减全反射傅里叶变换红外光谱（ATR-FTIR）基本克服了这些局限，实现了无损、便捷的分析。 尽管NMR与MS等现代分析工具已高度普及，但IR技术常被低估，其实际可提供互补性的分析数据。如今，FTIR仪器成本较低、具备无损分析能力、制样极为简单、数据采集速度快，适合作为初筛平台；且在天然产物结构解析技术中，其光谱覆盖范围极宽，适合用于模式匹配及基于数据库的去重分析。 FTIR应用限制： 缺乏公开可用的、高质量的天然产物IR数据库以支撑快速自动鉴定 光谱提供的结构信息具有"非特异性"，相似结构区域的吸收峰重叠严重 无法直接提供立体化学信息，而这对于天然产物化学至关重要 近年来的研究表明，IR光谱自动化分析的潜力持续提升：光谱预测领域以及基于神经网络/机器学习进行官能团分类等方法正快速发展。例如，基于Transformer架构的深度学习模型可直接从实验获得的IR光谱数据预测分子结构；卷积神经网络可在无专家介入的情况下自动识别多种官能团。 图 3. 现代傅里叶变换红外光谱（FTIR）样品制备、数据采集与分析流程总结 现代FTIR仪器已适配标准的高通量红外微孔板读板仪，可在微孔板上直接对微克级样品进行分析，并由液体处理机器人完成制样与高通量数据采集。该方法近期已被成功应用于多肽定量与天然产物去重分析，预示着IR有望成为未来天然产物高通量结构解析工具箱中的重要组成部分，与NMR、MS形成互补。 5.2 手性光谱技术 电子圆二色谱（ECD）、振动圆二色谱（VCD）、旋光（OR）等手性光谱技术，对于确定平面结构明确后的手性分子的绝对构型至关重要。这些技术通过检测手性分子与圆偏振光的相互作用来获取立体化学信息，直接反映分子的手性特征，提供分子三维空间排列、对映体纯度以及立体构型的详细信息。 手性光谱技术对比： ECD与OR基于电子跃迁，而VCD则基于分子振动跃迁。对于手性化合物而言，完整的结构归属与绝对构型的确定至关重要，尤其在生物活性研究中，立体化学特征会显著影响分子与靶点的识别、结合效价以及选择性。 手性光谱技术具有无损分析的优点，被广泛应用于天然产物化学家测定小分子、多肽与蛋白类物质的绝对构型；在分离物量极为有限的天然产物研究中，样品保存尤为重要，因此无损分析的优势更为突出。近年来已有多篇综述详细阐述了此类技术在天然产物研究领域的应用。 尽管手性光谱分析方法尚未普遍用于高通量去重流程，但随着深度学习技术与含时密度泛函理论（TDDFT）高精度计算理论光谱（ECD、VCD、OR）方法的发展，该领域正在快速进步。 这些进展使得立体化学归属的速度更快、结果更可靠，并正在推动FTIR数据（未来可能包括手性光谱数据）向自动化筛选流程中整合。结合微型化的样品处理技术与高通量仪器，手性光谱与FTIR方法将变得越来越实用，能够实现对分子的快速表征，从而补充传统的基于质谱或核磁共振的去重技术。 6. 数据库工具 在高通量规模下，数据注释的通量往往比数据采集本身更能限制研究进展。早期的去重分析主要依赖于有限的内部数据库或商业资源（如《天然产物词典》、MarinLit、AntiBase），常导致天然产物化学空间的覆盖不全。近年来，大型社区驱动的天然产物数据库的出现，彻底改变了这一格局。例如，全球天然产物分子网络（GNPS）等平台可基于分子网络构建与谱库匹配，大规模比对MS/MS谱图，快速识别已知骨架与结构类似物。 6.1 质谱数据库 天然产物去重已从简单的"这张谱图对应什么化合物"转向"这个化合物还在哪里出现过"。GNPS系列下的MASST搜索引擎及其领域专用版（如植物MASST、微生物MASST），允许用户在庞大的公共质谱库中检索单张MS/MS谱图，将未知化合物与特定的生态、分类或暴露场景相关联，从而显著影响项目的优先级排序（例如，区分菌株特异性代谢产物与普遍存在的培养基污染物）。 当缺乏精确的数据库匹配时，可从MS/MS数据中推断子结构、特征基序或化合物类别，用以指导后续的去重与分离流程。基于机器学习的类似物搜索方法（如MS2Query）能够在数据库中没有目标化合物精确匹配时，检索出结构上高度相似的候选物，从而将MS/MS相似性搜索拓展至严格的库匹配之外。 主要天然产物数据库 全球天然产物分子网络（GNPS） 天然产物图谱集（NPAtlas） COCONUT LOTUS MarinLit AntiBase 与此同时，天然产物图谱集（NPAtlas）、COCONUT、LOTUS等以结构为中心的数据库，其规模与覆盖范围急剧扩大，合计覆盖了数十万个天然产物结构及相关分类学、文献、部分生物活性元数据。这些资源不仅支持直接的化合物去重，还支持对天然产物化学空间进行高阶分析，便于研究人员根据化合物的新颖性、生物合成来源或结构类别进行优先排序。 基于质谱的分析流程现已具备现代HT‑NPD所需的速度与信息密度，支持前所未有的大规模快速去重与优先排序。结合先进的质谱数据处理工具 （如特征检测、峰对齐、分子网络构建、in silico碎裂预测），光谱数据库可实现对单次实验所得数千个谱峰（特征）的自动注释或分析流程分流。 表1展示了匹配MS数据与推定结构所需的数据库与计算资源生态系统日趋复杂。尽管详细对比已超出本文范围，但Aron等人已描述其中多款工具在GNPS分子网络环境下的整合情况；越来越多的专题综述为实践应用提供了指导，包括由CASMI竞赛进行的评估总结。总体而言，该领域正处于从传统的手动、后期去重模式向自动化、流程化模式显著转型的阶段。 质谱数据解析的挑战 然而，立体化学归属的歧义性、异构体精确区分、以及整体数据复杂度等挑战，仍然限制了单独依靠MS数据进行结构解析的能力。因此，质谱最适合应用于分层发现策略：先进行快速质谱分流和初步注释，然后靶向分离候选物，并利用其他分析方法对最佳候选物进行正交性的结构确证。 6.2 NMR数据库 一维与二维NMR数据（包括化学位移、裂分模式、积分值）为光谱检索与结构鉴定提供了丰富的信息。基于NMR的天然产物组分或组分库去重方法，已在微量样品（数十微克）且包含多种化学类型的样品中验证成功；作为质谱、FTIR等方法的正交工具，可提升活性物指认与注释的可信度。 目前，天然产物专用的NMR数据库与谱库不断增多，但配套的光谱检索与AI工具未能实现同步增长（见表2）。将所有已发表的天然产物NMR数据集中到单一数据库（如NP‑MRD、NAPROC‑13）的尝试，有望简化光谱检索流程并催生出新的分析工具；同样，像SMART、DeepSAT这类能够批量并行处理光谱数据集的快速检索工具，能够有效支撑HT‑NPD所需的化学检索任务。 值得注意的是，本文所列的大多数基于MS或NMR的去重工具虽然擅长鉴定已知的天然产物结构，甚至能预测相关化合物的暂定结构，但它们无法精准鉴定结构完全未知的新颖天然产物及其化学型。 若研究目标是鉴定样品中的所有化合物（包括未知结构），并最终实现天然产物HTS在速度上与纯化合物库筛选的可比性，则应采用多种正交分析手段与整合后的光谱数据库策略。 7. 匹配HTS的速度与规模 过去25年间，分析化学仪器在灵敏度、小型化与可负担性方面取得了重大突破。数十微克级别的小分子结构解析已成为可能；结合光谱数据库与人工智能工具，使得天然产物结构解析以前所未有的速度推进。 数据采集速度与易用性是提升整体工作效率的关键因素。图4对比了液相色谱-质谱（LC‑MS）、NMR以及FTIR在实现HTS速度与规模要求方面的关键性能参数。目前，多数仪器厂商提供面向96或384孔板的高通量自动进样器以及自动采样软件；而符合SBS标准的实验室微孔板得到普及，使得液体处理机器人能够被用于实现自动化样品制备。 图4. 常用天然产物结构解析分析方法对比及其在高通量数据获取与处理中的适用性 尽管上述硬件格式能够满足HTS的规模要求，但它们始终难以满足HTS的速度要求。现代仪器的灵敏度虽已大幅缩短了单次数据采集时间，但大多数LC‑MS与NMR实验仍需要5–10分钟/样品。 以此速度计算，完成单块96孔板（满板）的全部分析最多需要16小时，而完成一个超过10万个组分的样品库则需要数年的不间断实验；高分辨LC‑MS/MS的单批次数据量很容易超过 1 GB，这进一步加剧了数据处理的时间压力。 然而，在单个HTS发现项目中，并非所有筛选出的组分都需要进行详尽的注释。仅对在HTS中显示出明确活性的组分进行针对性分析，可显著降低整体分析负担、缩短化合物鉴定周期。下文介绍的案例展示了在特定条件下，天然产物HTS能够在化学分析上匹配筛选本身的规模与周期。 7.1 HTS天然产物活性物高通量化学分析案例 NCI天然产物发现计划（NPNPD） 美国国家癌症研究所（NCI）启动了NCI天然产物发现计划（NPNPD），旨在重振天然产物在药物研发中的作用。其初期目标是生产并向科研界公开预分级的天然产物样品，供所有疾病领域的相关研究进行筛选。目前，NPNPD库包含超过70万份半纯化的天然产物组分，来源于超过10万种植物、海洋及微生物样本。 为配套此计划，开发了活性天然产物快速分离与鉴定方法。近期发表的一项筛选研究，对来自NPNPD的 326,656 份组分针对四种病原菌进行了高通量筛选，展示了HTS活性物的高通量分析流程。基于剂量‑响应曲线、已有文献以及样本分类学信息，研究人员从 3,067 个确认活性的组分中优先筛选出75个组分进行后续的纯化与活性成分鉴定。 图5. 支持高通量筛选工作流程的高通量化学分析示例 本图展示了支持高通量筛选工作流程的高通量化学分析实例。具体流程分为四个阶段： (A) 天然产物库的初步筛选结果 针对四种微生物靶点进行的天然产物库初筛结果可视化展示。 (B) 第二阶段HPLC纯化与复测 对初筛活性组分进行高效液相色谱纯化，并对纯化组分进行重复测试验证。 (C) 高通量分析数据采集 对目标组分进行高通量分析数据采集，为结构鉴定提供数据支持。 (D) 化合物鉴定结果 基于采集的分析数据，最终确定活性化合物的结构鉴定结果。 分离流程 按照既定的自动化流程，1 mg的活性组分经过半制备型HPLC被分割为 22 个亚组分（每孔约含 45 μg），并在18小时内获得了 1,650 个可直接用于检测的亚组分 分析流程 其中约250个亚组分具有可检测的活性，随后采用高分辨 LC‑MS/MS、NMR及FTIR采集初步化学数据，总耗时约7天（质谱与核磁约2天，红外约1天） 在此阶段，约80% 的活性亚组分中含有单一或接近纯的化合物。因此，这种高通量、可重复的二级HPLC流程有效降低了初始活性组分的复杂度，从而支持快速化学注释。 此类规模的样本注释通常可在一周内完成；对于活性列表包含多达500个样品的情况，将分离后的样品进行并行LC‑MS/MS与NMR分析，可在7天内完成全部分析，并在两周内向筛选实验室返回已注释的活性结构类别清单。 总体而言，本文详细介绍的分析流程是在HTS规模下对筛选活性物进行高通量化学分析的典范。 其他高通量天然产物分析策略 其他不限于生物活性初筛的高通量天然产物分析策略，还包括基于模式的基因组挖掘与基于化学反应性的筛选。 基于模式的基因组挖掘旨在分析基因组序列中特定类型化合物（如特定天然产物类别）的生物合成基因簇特征，或使用PCR引物靶向特定生物合成基因；在确认目标生物合成基因簇后，通常会结合基于质谱的分子网络分析，或针对特定天然产物类别（如恶唑、哌嗪酸类）采用¹H–¹³C或¹H–¹⁵N HSQC NMR指纹图谱进行快速验证性筛选。 基于化学反应性的筛选则增加了一步化学衍生化操作：对提取物中的目标特定官能团进行化学修饰，然后利用质谱代谢组学技术检测衍生化加合物，从而指导新天然产物的分离方向。该方法可与基因组挖掘串联使用（例如用于发现新型重氮或氧化偶氮类天然产物），也可以直接在粗提物上进行（用于鉴定含有活性羰基或炔基的天然产物）。 8. 结论与展望 本文系统梳理了LC‑MS、NMR、FTIR等分析仪器在灵敏度与自动化方面取得的重大进步；结合天然产物光谱数据库与人工智能工具的日益普及，使得去重与化合物鉴定流程更加高效、聚焦与快速。该领域已不再受限于必须经过冗长的纯化与漫长分析后才能获知结构的工作模式；研究的范式正在发生转变：现有技术与工具已经使天然产物科学具备了匹配HTS速度与规模的能力。 为充分利用海量的分析化学数据与机器学习资源，天然产物化学家应积极拓展其去重工具箱，整合多源分析数据流，并将人工智能方法深度融入结构解析流程。 当前挑战 但近期的综述表明，在海洋天然产物结构解析研究中，AI工具的利用率仍然偏低，多数实验室仍主要依赖经验丰富的化学家通过解读NMR谱图来解析结构。 未来，人工智能生成的合成光谱库数量可能很快会超过实验测得的真实光谱库；例如，Open Molecules 2025（OMol25）数据集就包含了1亿条经高精度DFT量子化学计算生成的数据，可用于训练复杂的AI预测模型。然而，高质量的、注释完善且易于获取的天然产物实验光谱数据，仍然是结构解析工作的基准和"黄金标准"。 未来发展方向 融合多种数据源（质谱、核磁、红外、手性光谱等）并结合先进的机器学习工具 开发能够同时处理多模态数据的AI预测模型 建立更完善、注释质量更高的天然产物实验光谱数据库 提高AI工具在天然产物化学实验室的普及率和易用性 推动从单一数据类型分析向多源数据融合分析的范式转变 AlphaFold的成功经验表明，其能够在数分钟内从蛋白质的氨基酸序列高精度预测三维结构，其卓越性能的训练基础是蛋白质数据库（PDB）——一个经过严格整理、包含X射线晶体学、冷冻电镜及NMR实验数据的三维蛋白质结构库。相比之下，目前大多数天然产物结构预测工具仅依赖单一类型的分析数据（如串联质谱数据或一/二维NMR数据）。 展望未来，融合多种数据源（质谱、核磁、红外、手性光谱等）并结合先进的机器学习工具，有望大幅提升天然产物结构确定与注释的速度与准确度。 ACD/SES在天然产物结构解析技术生态中的角色 在上述技术生态中，ACD/SES（Structure Elucidator Suite）软件作为一款集成了多种光谱数据处理与结构解析功能的专业工具，正逐渐成为连接高通量数据采集与自动化结构确证的关键桥梁。 多源数据整合 能够同时处理来自NMR（包括1D/2D谱图）、MS、IR及手性光谱的多源数据 智能结构生成 通过其内置的专家系统与算法，自动生成候选结构并基于光谱匹配度进行排序 高效去重能力 在天然产物去重与结构解析流程中，可显著减少人工谱图解读的时间 复杂样品处理 尤其适用于处理HTS活性组分中微量、复杂混合物的结构鉴定任务 随着天然产物研究向高通量、自动化方向演进，ACD/SES这类集成化软件有望成为实验室标配，最终实现天然产物化学与HTS在速度与规模上的真正匹配。 化合物结构解析的智能利器——ACD/Structure Elucidator Suite功能详述 —END— 往期推荐 文献分享 | 计算机辅助结构解析（CASE）的进展与展望 文献分享 | 核磁共振结构解析的演进格局 文献分享 | 人工智能在天然产物药物发现中的应用：现状与未来展望 文献分享| 天然产物化学在药物发现中的作用：过去二十年的进展与未来展望 文献分享 | 利用CASE解决“难以破译”的化学结构 【文献分享】复杂混合物中生物活性天然产物的鉴定：当前和新兴技术策略综述 【大咖分享】用CASE和DFT计算策略高效修正天然产物结构 基于CASE-DFT对浅黄枝衣中质子缺失型Chlorodepsidones的结构解析及Flavicansone的结构修订 计算机辅助结构解析 (CASE) 在天然产物结构解析中的作用 从DP5q到CASE：AI加速NMR结构确证的完整解决方案 利用人工智能突破一维核磁共振光谱的局限，实现自动化分子结构解析 还在手动解析NMR？这套智能工具让你3小时搞定3天的工作量 广州凯美科信息技术有限公司是一家以化学信息学软件为核心业务的企业。公司成立于2019年10月，竭诚为国内医药、化工、食品等领域用户提供高质量的化学信息学软件解决方案和技术服务。作为加拿大ACD/Labs公司在国内的合作伙伴，我们在化合物结构鉴定、化学信息管理、色谱方法开发、化合物成药性评价、药物分子设计、分子模拟等方面累积了丰富的服务经验，并且得到广泛好评。 产品包括(点击查看详情)： ✅ 化合物波谱解析系列   ✅ 化合物成药性预测 ✅ 化合物性质预测系列   ✅ 色谱方法开发系列 ✅ 实验室化学信息管理 —————————————————— ✅ 智能解析｜👉 [申请核磁/质谱解析软件演示]✅ 疑难攻坚｜📩 [提交疑难数据，获取专家支援]✅ 购买升级｜💼 [单位采购/版本更新/技术培训] 📢 联系我们：▔▔▔▔▔▔▔▔▔▔▔🧑 产品经理｜胡炽文📲 电话/微信｜18680221948📮 服务邮箱｜hcw@chemico.com.cn🌍 官网直达｜www.chemico.com.cn 扫码咨询