新木脂素化合物 piperkadsin C 的结构修正

来源：微信公众号「凯美科」分类：结构修正与验证案例发布：2022-11-07

本次ACD/Structure Elucidator (ACD/SE)的应用案例来自M. Elyashberg等发表的文章^[1]，该文主要是对一些已发表的天然产物结构进行结构纠正(基于化学规则重新鉴定归属天然产物结构)。本案例是该文中的其中一个例子。

Kim等^[2]从海风藤中分离出一种新的新木脂素化合物——piperkadsin C(1)，并通过HRMS和NMR谱(1H, 13C, HSQC, HMBC)阐明了其结构，如下图所示：

化合物1是一种胶状物质，在快原子轰击质谱(FAB-MS)正离子模式下，观察到准分子离子峰为340 [M]⁺，通过高分辨快原子轰击质谱(HR-FAB-MS)确定1的分子式为C₂₀H₂₀O₅（[m+H]⁺的m/z为340.1315 ，计算值为340.1311)。

然而，他们随后发文对该结构进行了修正^[3]。在FAB-MS正离子模式下，观察到的分子离子峰为357[M+H]⁺，通过HR-FABMS确定化合物的分子式为C₂₀H₂₀O₆（[m+H]⁺的m/z为357.1335 ，计算值为357.1338)。

因此，作者对piperkadsin C的结构修正为2，如下图所示：

正如我们所看到的，修正后的分子式中多了一个氧。有趣的是，在这两种情况下，计算和测量的分子量都非常准确。

为了验证修改后的结构2是否正确，我们将文章^[3]中的NMR波谱数据输入ACD/ structure Elucidator软件(见表1)。

表1. 结构2的NMR数据

首先，我们按照文章^[3]报道的NMR数据，将¹³C化学位移数据在结构2上进行了归属，并使用ACD/Structure Elucidator的三种算法(HOSE算法、增量法、神经网络算法)进行¹³C化学位移预测。结果如图1所示。

图1.结构2的13C化学位移预测结果

ACD/SE分别基于HOSE算法，神经网络算法和增量法进行了¹³C化学位移预测，平均偏差分别表示为dA、dN和dI。如图所示，结构2中原子通过不同颜色标注，表示其实验和计算出的13C化学位移之间的偏差。绿色代表0到3ppm之间的偏差，黄色代表3到15ppm，红色代表> 15ppm。红色箭头表示非标准HMBC相关(NSC)—长度超过3的相关。

如图1所示，我们看到结构2的¹³C化学位移平均偏差很大，这提示该结构是有问题的，另外，该结构包含4个4键长度的非标准相关(NSC)。接下来，我们通过ACD/SE软件验证该结构，基于表1中的核磁数据创建了一个分子连接图(MCD)，其中，我们根据图1中显示“绿色的片段”(经13C预测确认)，在MCD图中进行了预先定义，此外，位于197.2 ppm的碳原子定义为羰基(如图2所示)。

图2. 结构2的分子连接图(MCD)

碳原子的杂化状态通过不同的颜色标记:sp2—紫色，sp3—蓝色，非sp (sp2或sp3)—浅蓝色。标签“ob”和“fb”分别表示：必须为与杂原子相邻是的(ob)或禁止相邻的(fb)碳原子。HMBC的相关性用绿色箭头标记。

由于结构2包含4个非标准HMBC相关(NSCs)，我们勾选"Fuzzy Structure Generation "进行结构生成，选项如下：承认存在4个长度未知的NSCs，结构生成过程中计算¹³C化学位移，关闭结构过滤选项，以确保结构2被程序保留下来。

结果:k =667→(去除重复结构)→606, tg = 44 s。

使用三种算法进行¹³C化学位移预测后，输出的结果按照dA平均偏差的递增顺序进行排列。图3展示了排名前9的分子结构。

图3. 排名前九的分子结构

如图3显示，所有结构的平均偏差和最大偏差都很大，而结构2的排名是第9位。这意味着所有生成的结构(包括修改后的结构2)都是不正确的。我们认为，有可能从用于推导结构1的分子式和NMR数据解析出正确的结构。

因此，我们将文章^[2]的NMR数据(如表2所示)输入到ACD/SE中，并与前面的情况一样，对结构1进行验证(如图4所示)。

表2. 结构1的NMR数据

图4. 结构1的验证结果

从图4可以发现，结构1的平均偏差和最大偏差都很大，提示该结果是错误的。此外，这种结构违背Bredt规则，由于其不稳定^[1]而不可能存在。

通过表2中呈现的NMR数据创建的MCD图，如下所示：

图5. 由推导结构1的NMR数据创建的MCD图

与前一种情况一样，选择模糊结构生成，关闭了结构过滤。

结果:k = 6, tg = 6 m 50 s。

输出结果如下图所示。

图6. 排序后的结果

我们看到，排名靠前的两个结构——#1和#2是很相似的，不同的只是OH和O-CH₃基团的位置。原结构1排在了第5位。我们随后使用参考文献^[4]推荐的方法，基于DFT方法对结构#1和#2进行13C化学位移预测。结果表明，结构#2是更合理的，平均误差为1.08 ppm。结构#1的平均误差值为2.17 ppm。

因此，我们联合应用ACD/SE的CASE方法和基于DFT的化学位移预测方法进行分析，最终确定了piperkadsin C的正确结构。

参考文献：

1、Elyashberg, M.; Novitskiy, I. M.; Bates, R. W.; Kutateladze, A. G.; Williams, C. M. (2022). Reassignment of Improbable Natural Products Identified through Chemical Principle Screening. European Journal of Organic Chemistry, e202200572. https://doi.org/10.1002/ejoc.202200572

2、K.H. Kim, J. W.Choi, S. K. Ha, S.Y. Kim, K. R. Lee. (2010). Neolignans from Piper kadsura and their anti-neuroinflammatory activity. Bioorganic & Medicinal Chemistry Letters, 20, 409–412.

3、K.H. Kim, J. W.Choi, S. K. Ha, S.Y. Kim, K. R. Lee. (2010). Corrigendum to ‘‘Neolignans from Piper kadsura and their anti-neuroinflammatory activity”. Bioorganic & Medicinal Chemistry Letters, 20, 3186–3187.

4、A. V. Buevich, M. E. Elyashberg. (2016). J. Nat. Prod., 79 (12), 3105–3116.