5.32 Polypropionate

Siphonaria 属海洋软体动物（俗称false limpets）是一类具有特殊防御机制的潮间带生物。当受到外界刺激时，这类生物会通过侧足腺分泌富含polypropionate 类次级代谢产物的粘液。本研究采集自南非东南海岸至莫桑比克南部沿海的S. oculus 种群，采用丙酮浸提结合多步色谱分离技术，成功获得三个结构新颖的polypropionate 类化合物^[38]。

本案例以polypropionate 5.68 为例，系统阐述计算机辅助结构解析（CASE）方法在该类天然产物结构鉴定中的应用。

Polypropionate 5.68 以无色油状物形式分离获得。高分辨电喷雾质谱（HRESIMS）分析显示准分子离子峰[M]⁺ m/z 320.2350（计算值C₂₀H₃₂O₃，320.2351），确定其分子式为C₂₀H₃₂O₃（不饱和度=5）。红外光谱分析显示特征吸收峰位于3,339 cm⁻¹（-OH）和1,686 cm⁻¹（C=O），分别证实了羟基和羰基官能团的存在。详细的¹H NMR、¹³C NMR、HSQC 和HMBC 谱学数据见文献^[38]表5.32。

基于核磁共振数据构建的分子连接图（Molecular Connectivity Diagram, MCD）如图5.97所示。

表5.32 Polypropionate 化合物的核磁共振波谱数据

a 注：较小的耦合常数（J 值）可提示邻近骨架原子上可能不存在相连的氢原子。

MCD 概述化学位移分别为102.00 ppm 和108.5 ppm 的两个碳原子（以浅蓝色标示）的杂化状态存在sp²或sp³两种可能，这取决于分子中是否形成O-C-O 结构片段。在MCD 构建过程中未进行人工干预，所有邻近碳原子上连接的氢原子数目均依据表5.32 中M(J)列所示的¹H NMR 信号多重性进行设定。

MCD 自检结果表明，HMBC 谱图中至少存在4 个非标准相关信号（Nonstandard Correlations, NSCs）。为此，本研究采用模糊结构生成（Fuzzy Structure Generation, FSG）算法进行结构解析，关键参数设置为：m=4-20(预期NSCs 数量范围)，a=16(允许的最大键长)，并设置"Stop Generation when Structures Generated.(生成有效结构后自动终止)"的停止条件。在结构生成过程中，同步进行¹³C NMR 化学位移的理论计算，自动剔除化学位移平均偏差值（d）超过4 ppm 的不合理结构。

结构解析结果显示：初始生成6 个候选结构，经严格筛选后获得1 个最优结构（k=6→2→1），总计算时间为56 分钟。值得注意的是，在43 个HMBC 相关信号中，有12 个被识别为需要扩展的非标准相关信号。实际计算中仅考察了18,440,500 种可能的连接组合，占总可能组合数（15,338,678,264）的0.1%，体现了算法的高效性。

最终获得的最优结构其化学位移计算值与实验值的偏差分别为：dA=1.12 ppm，dN=1.10 ppm，dI=1.45 ppm，该结构与已知化合物Polypropionate 5.68 完全一致。如图5.69 所示，该结构不仅完整呈现了所有¹³C NMR 信号的归属结果，还明确标注了12 个非标准相关信号的具体空间位置。

通过对结构解析结果的深入分析，我们获得以下重要发现：

1. HMBC谱图中共识别出12个非标准相关信号(NSCs)，其中4个为跨越4个C-C键长(⁵JCH)的远程相关（参见文献^[38]补充材料中的图5.98）。值得注意的是，这些非标准相关信号的峰强度与常规的2-3 键长(^2-3JCH)相关信号相当。

2. 通过智能算法优化，系统仅需计算全部可能连接组合的0.1%（约154 亿种组合中的1844万种）即可获得可靠结果。即便如此，整个计算过程仍需约1 小时处理器时间。理论估算表明，若采用穷举法计算所有可能组合，将耗时约40 天，这在实际应用中显然不可行。

3. 尽管存在多个不同键长的非标准相关信号，系统仍能自动获得唯一确定的结构解析结果，充分证明了方法的可靠性。

4. 采用最先进的模糊结构生成(FSG)模式（参数a=16，不限制非标准相关键长），成功解析了包含8 个⁴JCH 型和4 个⁵JCH 型非标准相关信号的复杂HMBC 数据。需要特别指出的是，这些非标准相关信号的具体数量和键长特征是在问题解决后通过后验分析才得以完全确认的。

尽管我们基于MCD(图5.97)成功实现了目标化合物的结构解析，但在初始模糊结构生成（FSG）过程中耗费了约1 小时的处理器时间。为提升计算效率，我们尝试引入片段库（Fragment Library）进行优化。首先对实验测得的¹³C NMR 化学位移数据进行片段库检索，成功匹配到73 个特征片段，这些片段的子谱均与实验谱图呈现良好的对应关系。

随后采用图5.99 所示的参数设置执行"Structure Elucidation/Create MCD Using Fragments"命令，所有MCD 构建参数均采用自动优化模式，最终获得一个植入了最佳匹配片段的新MCD（如图5.100 所示）。

基于优化后的MCD，我们重新运行FSG 算法（参数设置见图5.101），获得显著改进的计算结果：结构生成数量从初始的6 个优化为3 个有效结构（k = 6 →6 →3），总计算时间缩短至52 秒。在33 个相关信号中，系统智能识别并扩展了12 个关键信号，实际计算的连接组合数仅为500,900 种，占理论可能组合总数354,817,320 的0.1%。

如图5.102 所示，正确的目标结构在输出结果中位列首位，且由于化学位移偏差值存在显著差异（Δd >5 ppm），其余候选结构均可被可靠排除。特别值得注意的是，通过引入片段库优化策略，计算时间从原先的56 分钟大幅降低至52 秒，计算效率提升超过60 倍。这一结果不仅验证了方法的可靠性，更展现了片段库技术在提升复杂分子结构解析效率方面的巨大应用价值。