借助计算辅助手段进行更安全的溶剂筛选，用于溶液结晶过程，并通过实验验证其有效性

《Journal of the Taiwan Institute of Chemical Engineers》：Computationally assisted and inherently safer solvent screening for solution crystallization with experimental validation

　　摘要
背景
溶剂选择是溶液结晶过程中的关键步骤，但目前的方法仍受限于小规模溶解度筛选，并且主要关注溶解度，而安全性和环境因素的考虑通常要等到基于溶解度的预选之后再进行。

方法
本文提出了一种集成计算溶剂筛选框架，用于溶液结晶，同时考虑溶解度和环境-健康-安全（EHS）指标。阿司匹林结晶被用作案例研究，以证明该框架的适用性。首先使用预测的EHS指标对8000多种有机溶剂进行大规模初步筛选。随后，通过求解固液平衡（SLE）计算满足预定义EHS标准的候选溶剂的溶解度，并用于估计理论结晶产率和溶剂当量质量。进一步利用实验报道的EHS特性和实际考虑因素评估符合预定义结晶性能标准的候选溶剂。最终选择甲基3-甲氧基丙酸盐（MMP）作为代表溶剂进行实验验证。

重要发现
所提出的框架通过整合大规模EHS筛选、溶解度评估和筛选后的实际评估，提供了一种实用的结晶溶剂选择工作流程。阿司匹林案例研究通过识别和验证MMP作为一种具有平衡结晶性能和工艺安全特性的有前景的溶剂候选物，证明了其有效性。

1. 引言
结晶是化学和制药行业中广泛使用的分离和纯化技术[1]。在各种结晶方法中，溶液结晶由于其多功能性和可扩展性而最为常见[2]，而溶剂选择在控制溶解度、成核、晶体生长以及最终产品质量方面起着关键作用。
溶解度是溶液结晶溶剂筛选中的重要热力学参数。溶解条件和结晶条件之间的较大溶解度差异可以回收更多的溶质作为晶体，从而提高结晶产率并减少总体溶剂消耗[3]。减少溶剂使用量可以降低结晶器尺寸要求，同时也减轻了下游溶剂回收的负担，这通常需要能量密集型的蒸馏过程。因此，基于溶解度的筛选提供了有效的首步，以排除不合适的候选溶剂并识别有前景的溶剂。
传统上，溶剂选择依赖于经验法则和试错实验。然而，这些方法耗时且由于潜在有机溶剂的化学空间庞大，限制了溶剂选择的范围。为了解决这一挑战，计算方法越来越多地被用来预测溶解度并实现虚拟溶剂筛选。诸如NRTL、UNIFAC和COSMO-RS/SAC这样的热力学模型通过非理想溶液中的活度系数计算来预测溶解度。其中，基于量子化学的COSMO-RS/SAC方法[4]因能够用最少的实验输入预测热力学性质而受到越来越多的关注[5,6]，其适用性超过了NRTL和UNIFAC等参数化模型。因此，COSMO-RS/SAC已成为溶剂筛选和分子设计的多功能工具。同时，机器学习作为一种有前景的数据驱动方法也出现了[7]。例如，Ramani和Karmakar[8]提出了用于预测多种溶剂中溶解度的图神经网络。然而，纯粹的数据驱动模型往往缺乏明确的热力学依据。最近的研究因此将物理上有意义的描述符（如PC-SAFT参数和基于COSMO-RS的特征）整合到机器学习（ML）框架中，以提高热力学一致性和预测可靠性[9,10]。
尽管计算方法越来越多地用于溶解度预测，并且在原则上非常适合计算辅助的溶液结晶溶剂筛选，但在实践中实施此类工作流程的研究仍然很少。例如，Kokitkar等人[11]使用NRTL-SAC模型通过最大化API溶解度来进行溶剂选择，并进行了后续的实验验证。然而，他们的研究仅限于相对较少的溶剂集（174种候选溶剂）。Liu等人[12]提出了一种基于ML的原子贡献方法来加速σ-曲线预测，并将得到的ML-COSMO-RS框架整合到用于冷却结晶溶剂设计的组贡献CAMD方法中。尽管如此，这种方法仍继承了组贡献模型的固有局限性，并且缺乏对所选溶剂的实验验证。
溶解度通常是结晶溶剂选择的主要标准，特别是溶解条件和结晶条件之间的溶解度差异，它决定了结晶产率。实际的溶剂选择还受到溶剂形成倾向、干燥行为、多态性风险和下游工艺性能等因素的限制。然而，如易燃性、毒性和环境影响等与溶剂相关的危害对工艺的可持续性和操作性至关重要。实际上，安全和环境方面的考虑通常只在基于溶解度的预选之后才进行，这可能导致在工艺开发后期处理这些危害时成本增加和风险增加[13]。为了克服这一限制，本质更安全的设计（ISD）[14]概念提供了一个系统框架，强调在源头消除或最小化危害，而不是依赖附加控制措施，已成为现代工艺安全管理的组成部分[15]。
ISD有四个主要原则：最小化、替代、简化和适度。其中，替代原则特别适用于溶剂选择，因为有风险的溶剂可以用更安全的替代品替换。然而，现有的替代策略大多依赖于手动或专家判断，这限制了溶剂选择的范围，并且使得大部分化学领域未得到探索。为了解决这一限制，已经开发了计算方法来预测溶剂的有害性质，包括易燃性[16,17]、毒性[18]和环境危害[19]。这些计算方法还可以通过计算机辅助分子设计（CAMD）来促进溶剂选择。我们之前的工作[20]使用基于组贡献的CAMD方法对萃取蒸馏的萃取剂进行预筛选，同时使用闪点和萃取剂选择性作为安全性和分离性能的标准。后来，Yang等人[21]将致死剂量和闪点作为环境、健康和安全（EHS）指标纳入萃取蒸馏的萃取剂筛选阶段。Lorenzo-Llanes等人[22]也使用计算筛选方法，考虑EHS指标、分配系数和技术参数（即沸点、相形成和选择性），对生物油水相中的乙酸和乙醇的液-液萃取进行溶剂筛选。然而，迄今为止，很少有研究尝试将环境和安全考虑因素纳入溶液结晶的溶剂筛选中，这也突出了本工作的新颖性。
为了解决这些挑战，本文开发了一种集成溶剂筛选框架，结合了计算方法和本质更安全的设计原则。利用基于COSMO-RS的预测来评估溶解度，同时量化关键的安全相关指标，从而实现对候选溶剂的大规模初步筛选。在这基于预测的筛选之后，获得了一组更有前景的候选溶剂，然后对其进行更谨慎的筛选后评估。在此基础上，最终选择一种代表性的溶剂进行详细分析和实验验证。对于选定的溶剂，使用静态平衡方法进行溶解度实验，为计算筛选框架提供实验支持。

2. 方法
基于计算方法和本质更安全的设计原则，采用系统方法对溶液结晶的溶剂进行筛选，同时考虑溶解度和固有安全指标。
阿司匹林结晶被用作案例研究，以演示所提出框架的实施和适用性。在初步阶段，使用COSMO-RS预测的闪点、正常沸点和辛醇-水分配系数（log Kow）评估8000多种有机溶剂。根据预测的EHS属性进行大规模初步筛选，并保留满足预定义标准的溶剂以进行后续的溶解度计算。然后使用这些溶解度在结晶温度范围内的值来计算理论结晶产率和溶剂当量质量，从而同时考虑产品回收和溶剂消耗。满足预定义结晶性能标准的候选溶剂将接受筛选后评估。在此阶段，使用实验报告的沸点和闪点来验证是否符合相应的阈值，并考虑可能的预测误差。随后还定性评估额外的监管、工艺性能和实际考虑因素，包括监管清单状态、与粘度相关的工艺性能和商业可用性。最终，选择了一种代表性的候选溶剂MMP进行实验溶解度测量，以证明所提出筛选框架的实际适用性。

2.1. 溶剂筛选
应用分层筛选工作流程从包含8000多种有机溶剂的数据库中识别合适的结晶溶剂。在初步的大规模筛选中，首先使用预测的EHS属性评估所有候选溶剂。不符合2.1.2节中定义的EHS标准的候选溶剂在此阶段被排除。随后，仅对通过EHS筛选保留的溶剂进行详细的溶解度计算。对于冷却结晶，使用COSMOthermX求解固液平衡（SLE）来预测10–50°C温度范围内的溶解度。然后使用这些预测的溶解度来估计理论结晶产率（即Y）和溶剂当量质量（即SEM）。在结晶产率、溶剂消耗和EHS性能之间提供良好平衡的溶剂将保留进一步评估。
由于这些化合物的σ-曲线和COSMO文件已经通过之前的量子化学计算在BP-TZVP水平生成，因此本工作中不需要额外的量子化学计算。因此，所有属性估计都是直接使用数据库中预计算的COSMO文件获得的，确保了计算效率的同时保持了高度的预测可靠性。正常沸点是使用COSMOthermX中实现的迭代蒸汽压计算确定的。系统温度变化直到预测的总蒸汽压收敛到101.325 kPa，相应的平衡温度被记录为预测的正常沸点。闪点使用Reinisch和Klamt[23,24]开发的COSMOthermX内置闪点模型预测。该模型通过将理论下限可燃性的饱和蒸汽压与从COSMO文件获得的分子硬球面积相关联来估计闪点，相应的温度从COSMOtherm预测的蒸汽压曲线确定。辛醇-水分配系数使用COSMOthermX中实现的温度依赖分配系数模块计算。本研究中应用的具体溶解度指数和EHS指标详见2.1.1溶解度指数和2.1.2环境-健康-安全指数。

2.1.1 溶解度指数
在冷却结晶中，合适的溶剂应在溶解温度下提供足够的溶解度以最小化溶剂消耗，同时在最终结晶温度下保持足够低的溶解度以减少母液中的产品损失。因此，溶剂选择基于温度依赖的溶解度曲线。使用10°C至50°C之间的预测溶解度来估计理论Y和SEM。较低的溶剂当量质量表明处理给定量的溶质所需的溶剂较少，从而减少溶剂消耗、溶剂库存、下游回收需求以及相关的材料和能源浪费。根据我们之前开发的ISAT[25]，减少有害物质库存或替换为更安全的溶剂可以提高基于溶剂的工艺的固有安全性。因此，最大化结晶产率和最小化溶剂消耗被视为主要的筛选目标，同时将EHS要求作为同时存在的约束。结晶产率和溶剂当量质量使用公式（1）和（2）计算。
(1) ?? = (??H ? ??L)(1 ? ??L)??H × 100%
(2) ?????? = (1 ? ??H)????solvent ??H????solute
其中xH和xL分别表示选定溶解条件和结晶条件下的溶质的高低摩尔分数溶解度。对于本研究考虑的冷却结晶过程，xH对应于溶解温度323.15 K下的溶解度，而xL对应于最终结晶温度283.15 K下的溶解度。MWsolvent和MWsolute分别表示溶剂和溶质的摩尔质量。

2.1.2 环境-健康-安全指数
本文使用闪点、沸点和log Kow（作为毒性的代理）作为代表性参数来评估有机溶剂的EHS性能。根据美国国家消防协会（NFPA）[26]的规定，闪点低于37.8°C的液体被归类为易燃，因此采用这一阈值作为安全截止标准。log Kow与其与致死浓度（LC??）的相关性[27]间接反映了毒性，较低的log Kow值对应于降低的生物累积风险。基于苯的log Kow（约为2.1）[28]，采用保守的2作为截止值，以排除具有更高毒性的溶剂。
溶剂的沸点是影响其环境影响的关键因素，也是溶液结晶过程中的重要因素。低沸点溶剂倾向于产生挥发性有机化合物（VOC）排放，而高沸点溶剂难以回收，并使下游操作（如溶剂去除和产品干燥）复杂化[29]。较低的沸点阈值被设定为340 K [30]。考虑到可用的低压蒸汽温度为160 °C，因此采用了145 °C作为较高的沸点阈值，以排除那些沸点过高的溶剂。2.2. 实验方法 2.2.1. 材料 本研究中使用阿司匹林（纯度≥99%，购自Solarbio）作为溶质，甲基3-甲氧基丙酸酯（MMP，纯度≥99.5%，购自北京普赛同生物技术有限公司）作为选定的溶剂用于溶解度测量。所有化学品均按原样使用，无需进一步纯化。2.2.2. 溶解度测量与热力学模型关联 在0.1 MPa压力下，使用静态平衡（饱和摇瓶）方法 [31] 测定阿司匹林在303.15–323.15 K范围内的溶解度，该方法被广泛认为是最可靠的溶解度测量技术之一 [32]。在每个温度下，将过量的阿司匹林与MMP达到平衡后，过滤出澄清的液相并进行重量分析。每个测量重复三次，并报告平均值。更多的实验细节见支持信息。使用粉末X射线衍射仪（PXRD，Rigaku Corporation，日本）在室温下，以Cu Kα辐射（λ=1.5406 ?）对原始阿司匹林的晶体形态以及溶解度平衡后回收的固体进行表征。操作电压和电流分别为40 kV和40 mA。衍射图谱记录在2θ范围5–50°，扫描速率为5° min?1，步长为0.01°。目前，由于热力学模型具有广泛的适用性和工程相关性，已被用于预测和关联溶解度平衡 [33]。本研究使用改进的Apelblat [[34], [35], [36]] 和van’t Hoff模型 [37] 来关联实验测量的阿司匹林溶解度数据。模型性能通过相对平均偏差（RAD）和均方根偏差（RMSD）进行评估。模型方程、拟合参数和统计指标见支持信息。3. 结果与讨论 3.1. 溶剂筛选结果 使用预测的EHS相关性质对8000种有机溶剂进行了初步计算筛选。不符合预定义EHS标准的溶剂被排除，从而留下75种潜在合适的候选溶剂进行后续详细评估。随后，在COSMOthermX中实现的参考溶解度方法下，计算了这75种候选溶剂在283.15–323.15 K范围内，以5 K间隔的阿司匹林溶解度。乙醇在相应温度下的实验报告溶解度数据取自参考文献 [38]，并作为SLE计算的参考输入。这些数据与参考文献 [39] 中报告的数据非常一致。每种溶剂的详细结果见支持信息。保留满足Y ≥ 70% 和 SEM≤4 g溶剂/g阿司匹林的溶剂，共计24种溶剂候选者进行进一步验证。阿司匹林案例研究中采用的特定阈值是特定于研究的，而非通用的。根据工艺开发阶段的不同以及保留假阳性候选者和避免排除潜在合适溶剂之间的可接受平衡，用户可以采用更严格或更宽松的筛选标准 [40]。请注意，这一筛选阶段完全基于预测的性质值，旨在迅速从大量分子池中排除明显不合适的溶剂，从而缩小溶剂池的范围。然后，从候选名单中手动选择最终溶剂，因为较少的溶剂数量允许对个别候选者进行更全面的评估。需要注意的是，在计算方法中，预测值与实验值之间的差异是不可避免的。因此，需要使用实验报告的数据进行进一步验证，以评估所选候选者是否确实符合预定义的约束条件。沸点和闪点是有机溶剂中最常报告的性质之一，通常可以从材料安全数据表（MSDS）和权威数据库中获得。因此，首先选择这两个性质进行实验验证，以进一步缩小溶剂候选者的范围。沸点数据来自Aspen Plus数据库和ChemicalBook平台。闪点数据从ChemicalBook平台（https://msds.chemicalbook.com/）上的MSDS中获取，并通过与PubChem的交叉验证进一步确认一致性。24种候选溶剂的沸点和闪点见支持信息。对于无法确定实验报告的沸点或闪点数据的候选者，将其排除在进一步考虑之外，因为无法验证其是否符合预定义的EHS标准。根据实验报告的沸点和闪点数据，候选溶剂的数量从24个减少到11个。整个筛选工作流程如图1所示。经过初步的基于预测的筛选和后续评估后保留的11种溶剂及其实验报告的沸点和闪点值见表1。下载：下载高分辨率图像（689KB）下载：下载全尺寸图像 图1. 整体筛选工作流程。表1. 通过初步基于预测的筛选和使用实验报告的沸点和闪点进行后续验证的溶剂候选者。溶剂名称CASYield(%)SEM实验值/ °C沸点闪点2-甲基四氢呋喃-3-酮3188–00–970.62.7139.03-甲基-2-丁烯-1-醇556–82–175.22.8144.251.54-戊烯腈592–51–877.72.8140.060.0甲基硫氰酸盐556–64–982.12.9130.338.02-丁炔-1-醇764–01–281.73.0140.551.72-（乙烯氧基）乙醇764–48–778.13.1138.048.9顺-2-戊烯-1-醇1576–95–079.23.4138.048.34-戊烯-1-醇821–09–080.63.4136.543.3甲基3-甲氧基丙酸酯3852–09–373.23.4141.447.0(e)-2-戊烯-1-醇1576–96–179.23.5139.048.3环戊醇96–41–381.23.8140.851.1由于安全和工艺可行性方面的考虑，甲基硫氰酸盐和环戊醇被认为是不合适的溶剂候选者。甲基硫氰酸盐被列入中国的《危险化学品目录》（2015年版），而环戊醇是一种相对粘稠的液体，其粘度在10 °C时为4.72 cP（来自Aspen Plus数据库）。此外，2-甲基四氢呋喃-3-酮和甲基硫氰酸盐的闪点非常接近预定义的阈值，安全裕度有限。因此，剩余的八种溶剂被保留下来进行进一步考虑。由于后续实验旨在证明所提出的筛选策略的可行性，而不是对所有保留的候选者进行详尽比较，因此选择了一种代表性的溶剂进行实验验证。选择MMP是因为其良好的商业可用性，以及其作为绿色溶剂的潜力，具有相对较低的毒性和有利的环境特性 [41]。3.2. 实验验证和基准比较 如图S1所示，溶解度平衡后回收的固体的PXRD图案与原始阿司匹林一致，表明在溶解度实验过程中没有发生晶体转变。使用改进的Apelblat和van’t Hoff模型对阿司匹林在0.1 MPa压力下，303.15–323.15 K范围内的实验溶解度数据进行了关联。两种模型都与实验数据吻合良好，如图2所示。拟合参数和统计指标（包括RAD和RMSD）见支持信息。另外，COSMO-RS预测的溶解度也与阿司匹林–MMP系统的实验数据总体一致，进一步支持了预测溶解度趋势的可靠性。下载：下载高分辨率图像（251KB）下载：下载全尺寸图像 图2. 阿司匹林在MMP中的实验和COSMO-RS预测的溶解度，以及使用改进的Apelblat和van’t Hoff方程得到的拟合和外推结果。在MMP的实验验证之后，引入了四种常用的溶剂作为外部基准，包括乙酸乙酯、正丙醇、乙醇和丙酮，以评估所选溶剂的实际性能。这些溶剂没有参与原始筛选工作流程，但被选为代表性的传统溶剂进行比较。这些溶剂在阿司匹林中的溶解度数据来自参考文献 [38]，这些溶剂的结晶产率和溶剂当量质量见支持信息。请注意，MMP在283.15 K下的溶解度没有直接测量，而是通过外推在303.15–323.15 K范围内获得的改进Apelblat和van’t Hoff相关性来估计的，如图2所示。为了评估外推的可靠性，排除了303.15 K下的最低温度实验点，使用剩余数据来预测缺失的值。预测的溶解度与相应的实验值非常接近，表明两种模型都很好地捕捉了测量范围下界的温度依赖性。此外，改进的Apelblat和van’t Hoff模型在283.15 K下的溶解度估计几乎相同，仅相差约0.52%，表明外推结果对所选相关模型的敏感度有限。在之前的研究中也报道了基于实验拟合的溶解度相关性的类似外推方法，其中外推结果与实验观察结果非常吻合 [42,43]。为了评估候选溶剂的EHS相关特性，还比较了MMP的闪点、蒸气压（VOC潜力）和毒性，以及选定的传统溶剂，见表2。表2. 选定的溶剂（即MMP）和常见溶剂在结晶性能和EHS方面的比较结果。溶剂沸点 °CVapor pressure(mmHg/25 °C)LD501mg/kg闪点 °C Yield SEMMMP141.48.23700-49004775.77%2.85乙酸乙酯77.193.25620?4 °C70.41%5.27正丙醇97.221.0187022 °C80.53%2.49乙醇7859.3706013 °C79.00%1.55丙酮56232.05800?17 °C63.85%1.741LD50：大鼠口服暴露。如表2所示，阿司匹林在MMP中的理论结晶产率高于乙酸乙酯和丙酮，尽管低于正丙醇和乙醇。MMP的溶剂当量质量显著低于乙酸乙酯，但高于其他三种溶剂。从工艺安全的角度来看，MMP在溶剂中具有最低的蒸气压和最高的沸点及闪点，表明挥发性和蒸发损失以及易燃性风险显著降低。与乙酸乙酯、乙醇和丙酮相比，MMP表现出稍高的急性毒性，并且急性毒性水平与正丙醇相当。根据报道的LD??值，MMP通过口服暴露显示出相对较低的急性毒性[44]。由于吸入是溶剂的主要暴露途径，MMP的低蒸气压预计会降低其处理过程中的吸入暴露风险。总体而言，MPP的主要安全优势在于其低挥发性和相对较高的闪点。因此，MMP提供了平衡的结晶和工艺安全特性。更一般地，所提出的框架允许用户根据具体应用调整个别筛选标准的严格程度，例如在适当的情况下更加强调毒性或易燃性。3.3. 局限性和未来展望 本研究成功地将所提出的框架应用于单一溶剂的筛选，展示了其在统一的溶剂选择工作流程中结合大规模计算溶解度筛选、EHS评估和实验验证的能力。然而，实际的结晶过程通常涉及混合溶剂系统，而不仅仅是单一纯溶剂。混合溶剂可以为调节溶解度和溶解-结晶条件下的溶解度差异提供额外的灵活性，从而改善过饱和控制和结晶产率。因此，将所提出的框架扩展到混合溶剂系统，包括共溶剂和反溶剂结晶，将显著提高其在实际结晶过程开发中的适用性。未来的工作应包括基于组成的溶解度预测和EHS评估，使框架能够筛选溶剂组合、共溶剂比例和反溶剂添加策略，而不仅仅是单个溶剂。4. 结论 本研究建立了一个系统的溶剂筛选框架，用于溶液结晶，同时考虑了溶解度和固有的安全指标。以阿司匹林结晶为例，首先使用COSMO-RS预测的EHS指标评估了8000多种有机溶剂。随后对满足预定义EHS标准的候选溶剂进行溶解度计算，确定理论结晶产率和溶剂当量质量。保留的候选者进一步使用实验报告的沸点和闪点进行评估，随后进行法规、工艺可行性、商业可用性等实际考虑。通过这种分层的筛选和筛选后评估，选择MMP作为实验验证的代表性候选者。与传统溶剂相比，表明MMP提供了平衡的结晶性能和工艺安全特性。总体而言，所提出的框架通过结合计算预测和固有的安全设计原则，为逐步减少庞大的溶剂设计空间提供了透明的工作流程。未来的工作应将该框架扩展到混合溶剂和反溶剂结晶系统。CRediT作者贡献声明Jiaxing Zhu：撰写 – 原始草稿，验证，项目管理，调查，资金获取，概念化。Tianshuo Zheng：验证，调查。Hao Ling：验证，调查。Liuguo Zhao：撰写 – 原始草稿，形式分析。Bo Zhang：撰写 – 审查与编辑，资金获取，概念化。Ao Yang：软件，概念化。Hao Zhang：软件，数据管理。Hongyuan Wei：撰写 – 审查与编辑，监督，方法学。Jiaxing Zhu|Tianshuo Zheng|Hao Ling|Liuguo Zhao|Bo Zhang|Ao Yang|Hao Zhang|Hongyuan Wei中国西南大学化学与化学工程学院，重庆市，400715