图文摘要｜从LLM辅助数据整理、可解释先验提取到位点级预测与开放平台
一、背景介绍
含硼化合物因其独特的电子结构和丰富的成键模式，在现代合成化学、药物研发以及先进功能材料领域发挥着越来越重要的作用。从广泛应用于碳–碳键构建的Suzuki–Miyaura偶联反应，到含硼药物分子（如Bortezomib、Tavaborole）以及硼氮掺杂π共轭材料的开发，硼元素已成为分子设计与功能材料构筑中的重要组成部分。随着新型含硼结构不断涌现，如何快速、准确地解析硼中心的局部化学环境，成为推动有机硼化学发展的关键需求。
¹¹B NMR是表征含硼化合物结构、监测反应过程和分析硼中心电子环境的重要工具。然而，由于硼核具有四极性质，容易发生快速弛豫并产生严重的谱线展宽。在多硼分子中，即使不同硼原子具有不同的化学环境，实验谱图也可能仅表现为一个重叠宽峰，使位点归属和精确结构判断面临巨大挑战。
密度泛函理论（DFT）能够提供原子级化学位移，但几何优化、构象处理和屏蔽常数计算通常需要数小时乃至数天。与此同时，面向 ¹¹B NMR 的高质量公开数据和通用机器学习模型仍十分有限。围绕这一问题，上海创智学院全时导师李玉强团队构建了可解释混合机器学习框架，并进一步开发开放平台 BoronScope · 硼谱视界。该工作已被国际期刊JACS Au接收发表，论文共同第一作者为上海创智学院25级博士生李鹏辉和武汉大学24级博士生高犇。
二、文章亮点
（一）构建人工核验、溶剂标注的¹¹B NMR数据集
团队建立“关键词定位与分块—LLM结构化提取—人工逐条核验”的数据整理流程，对化合物结构、化学位移、溶剂、重复记录和实验条件进行校验。最终数据集包含5490条记录、6686个硼原子和10种氘代溶剂，其中包括273个具有化学不等价硼位点的分子。
图1.数据集构建流程
（二）从经典机器学习中提取可解释化学先验
研究系统比较了分子指纹、RDKit物理化学描述符和预训练分子表征。SHAP分析显示，BCUT2D_MRLOW与硼原子的sp²/sp³杂化状态存在明确关联；模型还识别出环状硼酸酯、非环状sp²硼和硼氢化物等关键结构基元，为后续深度模型提供可解释先验。
图2.经典机器学习性能、SHAP解释及关键硼结构基元
（三）实现位点级Graph Transformer预测
团队构建面向原子节点的Graph Transformer，将目标硼原子的图表示、可学习的溶剂嵌入和高重要性全局特征进行融合。先验引导模型在独立测试集上取得R² = 0.946、RMSE = 5.217 ppm、MAE = 1.979 ppm。
图3.先验引导的位点级Graph Transformer架构及独立测试集表现
（四）捕获溶剂环境对化学位移的精细调控
¹¹B NMR化学位移主要由硼中心自身电子结构和局部化学环境决定，同时受到实验溶剂环境的调节。研究团队构建了溶剂标注的高质量¹¹B NMR数据集，涵盖10种不同溶剂环境，其中CDCl₃为主要测试环境，同时包含C₆D₆、DMSO-d₆和acetone-d₆等具有代表性的溶剂体系，为模型学习溶剂-溶质相互作用提供了数据基础。
通过SHAP可解释分析发现，在分子结构特征与溶剂描述符共同组成的特征空间中，溶剂相关特征贡献约占3.3%的全局重要性，表明分子内在电子结构决定化学位移的主要趋势，而溶剂环境则提供关键的二级调节作用。进一步地，研究团队将溶剂信息编码为可学习的溶剂嵌入，并融合至先验引导的Graph Transformer模型中。消融实验显示，引入溶剂信息后，模型预测MAE由2.092 ppm降低至2.045 ppm；同时，溶剂交换预测表明，不同溶剂条件可引起最大约3.55 ppm的平均预测位移变化。
图4. Graph Transformer溶剂嵌入消融实验及不同随机种子下的预测性能。
这些结果表明，虽然分子结构是¹¹B NMR化学位移的主要决定因素，但模型能够利用溶剂嵌入捕获实验条件带来的微妙环境修正，从而实现结构信息与实验环境信息的联合建模，为复杂多硼体系中的位点级化学位移预测提供更接近真实实验条件的计算方案。
（五）提出“虚拟分辨”并部署开放平台
在文献化合物和团队合成的10个含硼化合物案例中，模型对18个硼位点的MAE为0.19 ppm，而未标度DFT的MAE为1.12 ppm。对于实验中仅表现为宽峰的双硼化合物，模型给出了接近但不同的位点级预测，并得到DFT计算的独立支持。
基于该框架，研究团队进一步开发了开放平台BoronScope ·硼谱视界。用户可输入分子结构和实验溶剂条件，平台能够在秒级时间内输出每个硼原子的预测化学位移，为复杂含硼体系的结构解析提供快速、智能化辅助工具。
图5.文献与实验案例验证：模型能够区分化学不等价硼位点，并解析重叠的11B NMR信号
三、总结与展望
本工作将LLM辅助数据整理、人工核验、可解释机器学习和位点级图学习连接为一条完整技术路线，为数据稀缺的¹¹B NMR预测提供了兼顾准确性、效率与可解释性的解决方案。
“虚拟分辨”并不替代实验，而是在实验信号难以直接分开时，为化学不等价位点的结构归属提供额外计算证据。该思路未来还可扩展至其他杂原子NMR以及更多小数据科学问题。
● 论文题目：Resolving Chemically Inequivalent ¹¹B NMR Sites via Interpretable Hybrid Machine Learning
● 期刊：JACS Au
● DOI：https://doi.org/10.1021/jacsau.6c00935
● 代码与数据：https://github.com/SII-ChemNext/boron-nmr-predictor
● 在线预测：https://modelscope.cn/studios/AI4Chem/boron-nmr-prediction
