摆脱瓶瓶罐罐？古老化学走进自动化时代

　　一直以来，化学家们的工作都通过人工方式完成，虽然自动化在化学领域并非新鲜事，比如多肽的自动合成以及高通量筛选等，但这些自动化合成仅囿于单一类型的化学反应或流程，目前还没有可以涵盖所有合成有机化学的数字自动化标准和通用的化学操作编程语言。

　　有科学家向这一任务发起了挑战！据美国消费者新闻与商业频道网站近日报道，包括英国格拉斯哥大学化学家李·克罗宁等人在内，都在想方设法让化学合成变得更自动化。

　　比如，克罗宁团队研发出了“化学机器人”以及化学描述语言和相应的计算机软件，这套系统可以将化学文献翻译成机器人可以理解的分子配方，并自动生产这些分子。

　　研究人员称，这些研究和尝试有望引领化学走入自动化时代，加速药物研发进程，催生更高效的太阳能电池并助力太空探索。

　　“化学机器人”系统效率与化学家相当

　　据美国《科学》杂志报道，2018年年底，克罗宁团队研制出了一款“化学计算机”，这是一套由试管、烧瓶、过滤和液-液分离装置、蒸发器、以及输送化学物质的管道、阀门和泵组成的系统，其能运行一套编程语言控制相关分子的生成。

　　据悉，他们利用这一程序化自动合成系统，在无须人力干预的情况下制备出了3种高品质药用化合物：盐酸苯海拉明、鲁非酰胺和西地那非，其生产效率和产品纯度堪比人工合成。

　　现在，他们朝着化学自动化迈出了重要的第二步！本月初，克罗宁团队在《科学》杂志上宣布，他们研发出了一套专用的化学描述语言(XDL)，其可以教“化学计算机”做什么，此外，还研发出了一套名为SynthReader软件，可将经过同行评议的学术论文变成“化学计算机”可以执行的程序。

　　总而言之，克罗宁团队的新系统将添加等指令转换为XDL，XDL指导“化学计算机”使用其加热器和试管执行相应的化学反应过程。他表示，该系统的优势之一是化学家可以用简单的英语编辑化学反应，无须培训即可操作机器。至关重要的是，研究人员可以利用其化学专业知识发现代码中的错误。

　　研究人员对该系统开展的测试结果表明，其从文献中提取了12种化学配方，“化学计算机”执行这些过程的效率与人类化学家一样。

　　克罗宁的梦想是，未来研究人员可以像发送电子邮件和打印PDF文件一样轻松地组装和生产分子，使药品生产加快进入数字化时代。如此一来，化学家不必再去亲力亲为做常规合成，可以完全专注于寻找新的反应。此外，这套系统可以通过让化学家远离实验室来使合成更安全，并通过帮助研究人员最大限度地减少溶剂使用，实现绿色环保。

　　克罗宁团队希望，他们接下来能开发出一个重要分子配方的在线存储库，可供研究人员免费下载，这有望帮助发展中国家更轻松地获得药物，实现更有效的国际科学合作，甚至为人类探索太空提供支持。

　　竞相将化学带入自动化时代

　　克罗宁团队并非单枪匹马在奋斗！目前有数十个小组在竞相将化学带入自动化时代。研究人员认为，这一领域所取得的进展有望催生更安全的药物、更高效的太阳能电池板以及颠覆性的新产业。

　　SRI生物科学公司就是其中之一，该公司正在开发另一套自动化化学系统。首席战略官奈森·柯林斯说：“过去200年来，大多数化学方法大同小异，这是一个非常手工的、由人力驱动的过程，目前，我们正在改变这一现状。”

　　柯林斯团队正在研发的系统名为“自动合成”。该平台使用了一种名为“流动”化学的替代方法。克罗宁的方法是让物质在一个烧杯中混合，然后移至另一个烧杯中。而流动化学则让化学反应持续进行：化学品一起在管道中流动，在那里发生反应并被带走。柯林斯团队今年6月撰文指出，“自动合成”系统拥有3000多种通路，可以重现几乎任何一种液基反应。

　　克罗宁表示，尽管“自动化学”和“化学计算机”都可以复制今天已经出版的大多数化学反应，下一步将是使这些机器更可靠。柯林斯则补充说，以前，“自动合成”系统50%的错误需要一名工程师来修复，但现在错误率不到10%，他们希望用户最终可以通过电话来排除系统故障。

　　柯林斯强调说：“化学自动化仍是新生事物，过去18个月，它才开始真正爆发。”

　　机器学习是“秘密武器”

　　研究人员指出，驱动该领域快速发展的一个“推手”是美国国防部高级研究项目局。该部门发起了名为“制造(Make-It)”的四年计划，“化学计算机”和“自动合成”都囊括其中。该计划项目经理安妮·菲舍尔的长期目标是加快发现有用分子的过程。

　　菲舍尔解释称，要发现新分子，化学家需要费力将原子精加工成新颖的结构，“制造和测试这些分子费时费力”。但现在，“制造”项目促进了“化学计算机”和“自动合成”等机器人工具的研制，这些机器可以用于快速自动制造出分子。

　　菲舍尔目前正领导一个新项目——“加速分子发现”，这是化学自动化的新阶段：开发出更智能的软件来告诉机器人要制造什么分子以及如何制作它们。

　　许多人认为，要做的这一点，“秘密武器”在于机器学习。现在有不少科学家在朝这方面努力，开发能进行基本化学学习的机器。比如，去年，美国麻省理工学院的化学家康纳·康利所在的团队让一款算法与一套自动流化学系统“联姻”，以更好地指导系统的运行。他们用包含数十万个化学反应的数据库对该算法进行了训练，该算法也能预测新产品的配方。康利说：“基于这些模式，该系统可以发现如何设计出从未见过的新分子。”

　　不过，康利也强调说，这套系统要想真正“大显身手”，还有很长的路要走。首先，它的预测基于相似的分子；而且，人类化学家需要夯实机器生成过程中缺少的细节。

　　目前，该团队正在与十多家化学和制药公司合作，以改进其分子预测算法。一些公司已将该软件投入使用，默克制药公司计算和结构化学助理副总裁胡安·阿尔瓦雷斯表示，康利的机器学习算法是公司向内部研究人员提供的多种化学预测工具之一。

　　尽管每个小组都从不同角度探讨化学的自动化问题，但他们殊途同归。菲舍尔说：“我们的目标不是取代化学家，而是为化学家提供工具，使他们能够更好、更快地实施和应用化学方法，并使他们‘变身’为富有创造力的思想家。”