Science：AI机械臂助力化学科学实验

      合成复杂有机分子的能力是发现和制造功能化合物（包括小分子药物）的关键。尽管有先进的实验室自动化，合成路线的识别和开发仍然是一个人工过程，实验合成平台必须手动配置，以适应要执行的化学类型，而这就需要专业化学家投入时间和精力。理想的自动化合成平台将能够规划自己的合成路线，并在有助于扩大生产目标的条件下执行它们。化学开发过程的各个元素（设计、路线开发、实验配置和执行）已在以前的研究中得到简化，但还没有提出一条一体化计算机辅助合成计划（casp）、专业精细化工配方生成和机器人化学合成。

      而Connor W. Coley等人为casp开发了一个开放源代码软件套件，该套件针对Reaxys数据库和美国专利商标局的数百万种反应进行了训练。将原始智能（AI）技术与机器人技术相结合，实现自动化、可扩展的合成。数以百万计的预先发布的更正信息合成路线的计算设计；经验丰富的化学配方文件（CRF）在机器人流化学平台上运行，以实现可扩展、可重复的合成。

      这种开发策略增强了化学家处理面向目标的流动化学合成的能力，同时大大减少了必要的信息收集和人工工作。该软件的设计目的是通过学习应用反合成转化，确定合适的反应条件，并评估实验时反应是否可能成功，从而将已知的化学反应推广到新的底物。建议的路线部分填充了RFS，这需要化学家用户提供额外的细节，以定义与连续流动兼容的停留时间、化学计量和浓度。为了执行这些合成，一个机械臂根据CRF中定义的所需工艺配置将模块化工艺装置（反应器和分离器）组装成一个连续的流动路径。机器人还通过流体开关板将试剂线和计算机控制的泵连接到反应器入口。完成后，系统启动线路并开始合成。在指定的合成时间后，系统用清洗溶剂冲洗管路，机械臂断开试剂管路并将工艺模块移到适当的存储位置。

      这一流动化学发展的范例是为一组15个医学相关的小分子证明的。为了增加复杂性，他们研究了阿司匹林和西奈唑的合成背靠背运行；利多卡因和地西泮背靠背运行以使用共同的原料；(S)-华法林和沙芬酰胺证明计划项目的立体化学意识；以及两个化合物库：FAM五种ACE抑制剂，包括奎那普利和四个非甾体类抗炎药物家族，包括塞来昔布。这些目标总共需要八种特定的反合成途径和九种特定的工艺配置。

      本文中的软件和平台代表了实现完全自主化学合成的道路上的一个里程碑，在这条道路上，仍然需要人工输入和过程开发。随着时间的推移，这种自动化实验平台和类似的自动化实验平台所产生的结果可能会减少科学家对历史反应数据的依赖，特别是与小规模的流量筛选平台相结合。提高反应数据的可用性将进一步实现基于人工智能的机械化合成，减轻专业化学家的人工任务，使他们能够专注于新的想法。