基于碘颜色响应的统一溶剂化显色-计算-机器学习方法用于溶剂性质预测

《Chemical Science》：A unified solvatochromic–computational–machine–learning approach for solvent property prediction based on iodine color responseOpen Access

　　

溶剂效应支配着大多数化学转化，然而，实验上可获得的、普遍适用的预测溶剂化能力的工具仍然有限。在此，研究人员引入了iSolv，一种简单但信息丰富的溶剂化显色描述符，来源于稀碘溶液在有机溶剂中的颜色。通过结合实验-计算方法，研究人员证明iSolv直接反映了分子间相互作用的性质和强度，包括色散相互作用、卤键、给体-受体相互作用和氢键。研究人员建立了iSolv与关键电子、物理化学和经验溶剂参数之间的明确相关性，例如HOMO（最高占据分子轨道）能量、给体数（DN）、log P（辛醇-水分配系数）、Kamlet-Taft参数以及多种有机转化中的反应速率。机器学习建模证实，iSolv能够使用易于获取的输入参数对溶剂行为进行预测性评估。与现有的多参数溶剂标度不同，iSolv提供了一种低成本、快速且视觉可解释的方法，适用于化学研究、教育和化学技术。iSolv的实用性和计算相关性使其成为溶剂选择、反应优化和更广泛的化学信息学中的多功能工具。这项工作引入了一种基于指示剂的评估溶剂化能力的便捷策略，并为将视觉颜色响应整合到数字化学框架中奠定了基础。

**研究背景与问题**
溶剂效应在化学转化中起决定性作用，但现有实验方法难以快速、直观地评估溶剂化能力。传统多参数溶剂标度（如Kamlet-Taft参数）虽具理论价值，但日常使用复杂，缺乏视觉可解释性。碘溶液的溶剂化显色现象虽早已知晓，但尚未被转化为一个连续、可量化的数值描述符，并经过计算、物理化学和动力学数据的系统验证。为此，研究人员开发了基于碘颜色响应的新描述符iSolv，旨在提供一种低成本、快速、视觉可解释的溶剂性质预测方法。

**研究概述与结论**
研究人员通过制备36种不同有机溶剂中的稀碘溶液，拍摄照片并提取HSB色相（Hue）值，定义了iSolv描述符（iSolv = (Hue + 90°) mod 360°）。结合量子化学计算（PBE0 D4 def2TZVP ZORA等）、分子动力学模拟、实验参数（如Kamlet-Taft参数、给体数DN、log P）以及多种有机反应速率数据，证明了iSolv与分子间相互作用强度、溶剂电子结构及反应动力学之间存在显著相关性。机器学习模型（梯度提升、随机森林）进一步验证了iSolv可基于易于获取的输入参数预测溶剂颜色，实现溶剂化能力的快速分类。该论文发表在《Chemical Science》上，为溶剂选择、反应优化和数字化学框架整合提供了视觉指示剂策略。

**主要关键技术方法**
1. **实验颜色测量**：在36种有机溶剂中配制等浓度碘溶液（约10^-3 mol L^-1），在受控光照下拍摄照片，利用HSB（色相、饱和度、亮度）色彩模型提取色相（Hue）值，计算iSolv。
2. **量子化学计算**：采用PBE0 D4 def2TZVP ZORA方法优化I₂与溶剂分子的1:1和1:2复合物结构，计算结合能、I–I键长、LUMO–HOMO能隙、静电势（ESP）等参数；使用ωB97X-2 def2-TZVP ZORA方法进行验证。
3. **分子动力学模拟**：对I₂在环己烷、二氯甲烷、甲醇中的微溶剂化体系（“纳米反应器”模型）和周期性边界条件（PBC）下的凝聚相进行MD模拟（PBE DZVP D3BJ方法，NPT-I系综），计算平均I–I距离。
4. **机器学习建模**：将35种溶剂作为训练集，10种独立溶剂作为测试集，训练线性回归、随机森林和梯度提升（CatBoost）模型，特征包括计算参数（ΔE_GAP-1、ΔE_I2-Solv1、r₁(I–I)、φ₁）和溶剂物理性质（ε_r、μ、n₂₅），通过留一法交叉验证优化超参数。
5. **样本队列来源**：所有溶剂为市售分子有机溶剂，无特定队列来源说明。
6. **实用软件工具**：开发了基于Python的Web服务，通过上传参考溶液和待测溶液照片自动计算iSolv值。

**研究结果**
**2.1 碘溶液颜色作为溶剂分子电子特性的描述符**
通过比较36种稀碘溶液的颜色，研究人员发现iSolv值（0–180°）与溶剂分子间相互作用类型直接相关：紫色（低iSolv）对应弱色散相互作用的烃类溶剂；红色（中等iSolv）对应含π/n电子可参与给体-受体相互作用的溶剂；橙黄色（高iSolv）对应能形成卤键的含氧溶剂；浅黄色（很高iSolv）对应能形成氢键的溶剂。量子化学计算表明，iSolv与I₂–溶剂复合物的结合能、I–I键长、LUMO–HOMO能隙及静电势变化呈良好相关性。例如，从环己烷（紫色）到甲醇（黄色），I₂与一个溶剂分子的结合能从–2.0 kcal mol^?1增至–6.9 kcal mol^?1，I–I键长从2.667 ?增至2.691 ?。凝聚相MD模拟（PBE DZVP D3BJ）进一步验证了I–I键长在甲醇中（2.823 ?）显著大于环己烷（2.765 ?）和二氯甲烷（2.763 ?）。

**2.2 碘溶液颜色与溶剂经验参数的相关性**
iSolv与多种经验溶剂参数存在显著相关：与Kamlet-Taft氢键接受能力β的Spearman相关系数ρ=0.82；与极性/极化率参数π*的ρ=0.47；与辛醇-水分配系数log P的ρ=–0.77；与给体数DN的ρ=0.75（排除丙酮后）。此外，iSolv还与溶剂碱度、水溶解度（Sw/o）等参数相关。这些相关性表明iSolv能综合反映溶剂电子给体能力、极性、氢键特性等核心性质。

**2.3 通过机器学习方法预测碘溶液颜色**
基于35种溶剂的训练集，梯度提升算法结合特征集2（包括ΔE_GAP-1、ΔE_I2-Solv1、r₁(I–I)、φ₁以及介电常数ε_r、偶极矩μ、折射率n₂₅）在独立测试集（10种溶剂）上取得最佳预测性能，平均绝对误差（MAE）为8.8 iSolv单位（相对于手动测量值）和10.1单位（相对于自动测量值）。该结果表明iSolv可通过计算参数和物理性质进行可靠预测，扩大了实际应用范围。

**2.4 碘溶液颜色分析在溶剂效应分析中的实际应用**
iSolv与多种有机反应速率相关：黄色溶液区域对应Menshutkin反应、Wagner-Meerwein重排、芳香亲核取代、亲电取代、[2+2]环加成及Heck反应的较高速率；而紫色溶液区域对应自由基加成反应的较高速率。此外，在ADMET聚合中，低iSolv溶剂产生高分子量聚合物，高iSolv溶剂产生低分子量聚合物。研究人员开发了四色iSolv标尺（低：0–70，中等：70–110，高：110–130，很高：130–180），并设计了Python Web程序用于自动化iSolv计算。通过36名志愿者进行的颜色分类实验表明，人眼分类具有较高再现性，主要歧义出现在低与中等溶剂化能力之间的边界区域。

**总结讨论与结论翻译**
讨论部分指出，iSolv作为实验描述符，其优点在于操作简单、成本低廉、视觉直观，适用于快速初步评估和教学。但iSolv并非万能标度，当碘溶解度差、与溶剂反应或颜色不稳定时应用受限；溶剂混合物颜色可能反映组分间的竞争或优先相互作用；iSolv与化学结果的关联可能因过程而异。此外，独立机器学习测试集较小，未覆盖分子溶剂以外的介质。未来工作需扩展溶剂数据库、标准化数字颜色采集，并在更广化学领域评估预测模型。

结论部分（翻译原文）：
在本研究中，研究人员证明了稀碘溶液的颜色可作为溶剂化能力的一个实用且信息丰富的描述符。通过将实验颜色测量与量子化学计算相结合，研究人员建立了溶液颜色与溶剂基本性质（包括与碘的结合能、电子参数和微溶剂化特征）之间的定量相关性。由此产生的基于颜色的度量标准，命名为iSolv，被引入作为能够捕捉溶剂集体溶剂化行为的描述符。iSolv描述符植根于基本的分子相互作用：与碘形成更强分子间复合物的溶剂产生特定的颜色偏移，这些偏移与分子间复合物的参数、溶剂给体数、log P，甚至多种有机转化中的反应速率相关。这种溶液颜色与电子相互作用强度之间的独特内在联系表明，iSolv本质上反映了分子间溶剂化现象的能量和结构特征。iSolv方法的一大优势是其卓越的简单性、经济性和可及性。它仅需最少的实验室资源——碘、溶剂样品以及简单的视觉或数字颜色比较——使其适用于快速、初步或教育性的溶剂行为评估。其快速、视觉化估计溶剂化能力的能力，与通常需要大量计算或光谱数据的传统多参数溶剂标度相比，具有明显优势。在本研究中，一个基本观测——碘溶液的颜色多样性——被转化为一个定量且实验上可靠的溶剂描述符。这一概念将基础物理化学与实际实验室使用联系起来，使得溶剂化显色原理能够更广泛地应用于溶剂选择、反应优化，甚至基于机器学习的性质预测。尽管具有潜力，iSolv应被视为一种实验描述符，而非特定溶剂标度的通用替代品。其应用受到碘溶解度低、与介质反应或颜色不稳定时的限制，并且溶剂混合物的解释可能不具备唯一性。iSolv与溶剂化能力的相关性依赖于过程，可能较弱。独立的机器学习测试集也较小，无法确保在所代表的分子溶剂领域之外介质的可靠性。未来工作应扩展溶剂数据库，精炼标准化数字颜色采集，并在更广泛的化学领域评估预测模型。总体而言，本研究建立了基于碘的溶剂化显色现象，不仅作为一种视觉观测，而且作为一个科学基础、定量且易于应用的描述符（iSolv），有潜力丰富化学中对溶剂效应的基本理解和实际应用。