虽然名义上我是有机方向的,但我一直都不太喜欢现有的体系。可能是自己不长于记诵的缘故吧,我一直觉得记忆那么多反应没什么必要。等到人们对有机反应机理,酶机理研究透彻了,分子模拟手段发展完善了,直接用 Machine Learning 构建一个算法,想要合成什么让电脑预测一条仿生的最佳路线即可。毕竟说起来那些复杂大分子在自然界的合成,大多是搭好框架,再根据反应活性差异有序添加特征基团么。然而每两周一次的 Journal Club 中,那些所谓最新的全合成路线,无不是先把大分子拆分成几个简单易合成的小分子,然后再用 Michael addition, DA 之类反应把这些零部件粘起来。这种路线,纵使得到结果,也因为耗费了大量步骤在上下保护基团上而耗时良久,产量颇低,除去“人定胜天”的满腔热血与有机合成的一点情怀外,不具有任何实际意义。除了借此熟悉有机反应应付考试,我完全不明白自己为什么每个月要浪费四个小时在这上面。

上次轮到我讲时,我在近期的全合成文章中挑拣二三,却都是那种按部就班上保护脱保护的,十分无趣。挑来拣去,却发现一篇十步全合成 Hyperforin 的文章1,深得我意。这个分子之前也有四组人合成过,从五十多步到35步、18步、17步,看似进步颇大,放在这十步合成旁,却都黯然失色。当时看到一篇文章2,里面给了理想全合成的量化标准,即骨架搭建和氧化还原反应的步数之和与总合成步数的比例。这十步全合成,也是有八分理想了。

Fig. 1. Ten-step total synthesis to hyperforin.

转眼间又轮到我讲,这次看了近期 JACS 与 Angewante 上的全合成,都无新意。组里的博后便提议我去 Baran 组页上看看他近期有没有什么新作。一眼便看到了他上个月发表的 Phorbol 的十九步合成3。这篇合成中,他由 Phorbol 与他组中于 2013 年合成的 Ingenol 4相似的骨架结构得到灵感,采用同一骨架,再辅以 13 步反应添氧上异构,浑然天成,令人惊艳。我这么一个不爱有机的孩子看完全文都觉得如痴如醉,拜倒在他的通风橱下。Phorbol 与 Ingenol 的合成,思路清晰,简洁明快,不就是我梦想中的反应路线么。大分子在自然界的合成方式,理应是循着能量最低的路线而来的,换言之也是效率最高的。像这样模仿自然的方式先搭骨架再氧化还原,遵循自然规律,基本就不用考虑人为的复杂保护基团。整条路线优雅轻盈,直让人沉迷不已。这才是有机全合成美之所在啊。而且因为步数少,产率高,这样的路线便能付以实业,不再是研究经费的浪费了。

Fig. 2. 19-step total synthesis to phorbol.

Fig 3. 14-step total synthesis to ingenol.

激动之余,我翻出上次的文献,才发现合成 Hyperforin 的 PI Thomas Maimone,正是 Phil Baran 的学生,而当时那篇给出理想全合成量化标准的文章,正是 Baran 所作。原来我一直在 Baran 迷妹的道路上行走而不自知,而越走越远。哈哈,我也认了,可以说,正是有了 Baran 的研究,才让 Keasling 与 Baran 关于生物/化学合成的辩论5,有了存在的意义。


  1. Ting and Maimone. J. Am. Chem. Soc. 2015. 137. 10516-10519 [return]
  2. Gaich and Baran. J. Org. Chem. 2010. 75. 4657-4673. [return]
  3. Kawamura, et al. Nature. 2016. 532. 90-93. [return]
  4. Jorgensen, et al. Science. 2013. 341. 878-882. [return]
  5. Keasling, Mendoza and Baran. Nature. 2012. 492. 188-189. [return]