Một phản ứng hóa học đã được nghiên cứu 135 năm: Robot quét 960 điều kiện và tìm ra một con đường Biginelli chưa từng biết

Phản ứng Biginelli đã có mặt trong sách hóa hữu cơ từ năm 1891. Ba thành phần — một aldehyde, một β-ketoester và urea — thường được cho phản ứng dưới xúc tác acid để tạo các dihydropyrimidinone. Sau 135 năm nghiên cứu, cơ chế và phạm vi của phản ứng này tưởng như đã được khai thác khá kỹ.

Nhưng một nhóm tại Center for Algorithmic and Robotized Synthesis thuộc Institute for Basic Science (IBS), Hàn Quốc, đã đặt một câu hỏi khác với cách chemist thường tiếp cận: thay vì tìm điều kiện cho nhiều nhất sản phẩm đã biết, điều gì xảy ra nếu quét có hệ thống cả những vùng điều kiện mà con người ít có lý do để thử?

Robot của nhóm đã chạy 960 tổ hợp nồng độ của bốn biến trong phản ứng Biginelli. Kết quả không chỉ là một công thức tối ưu hơn. Ở một vùng của “reaction hyperspace”, nhóm phát hiện một nhánh phản ứng chưa từng được ghi nhận, tạo ra phân tử vòng kép phức tạp thông qua một biến đổi mà họ mô tả là pseudo-seven-component transformation. Nghiên cứu được công bố trên Nature Synthesis tháng 7/2026.

960 thí nghiệm không nhằm tìm một “điểm tối ưu”

Trong nhiều hệ thống hóa học tự động, mục tiêu khá quen thuộc: thay đổi nhiệt độ, tỷ lệ thuốc thử, xúc tác hoặc dung môi để tìm điều kiện cho hiệu suất cao nhất của một sản phẩm đã định trước. Công việc như vậy phù hợp với robot vì nó lặp lại nhiều thao tác chính xác và thu thập dữ liệu liên tục.

Nghiên cứu lần này dùng tự động hóa theo cách khác. Nhóm xây một lưới bốn chiều gồm nồng độ ban đầu của p-methoxybenzaldehyde, ethyl acetoacetate, urea và xúc tác racemic camphorsulfonic acid. Mỗi chiều được lấy mẫu ở nhiều mức khác nhau, tạo thành 960 tổ hợp điều kiện.

Robot “Robowski” do nhóm tự xây thực hiện việc thêm thuốc thử, trộn, kiểm soát phản ứng và đo phổ UV–Vis. Thay vì phân tích đầy đủ từng hỗn hợp bằng những kỹ thuật đắt và chậm hơn, nhóm dùng thuật toán tách phổ để tìm các tín hiệu không thể giải thích bằng những chất đã biết, sau đó chỉ đưa một số mẫu đi phân lập và nhận dạng sâu hơn bằng HPLC, NMR và các phương pháp cấu trúc khác.

Đây là khác biệt quan trọng. Robot không được giao câu hỏi “làm sao tạo nhiều sản phẩm Biginelli nhất?”, mà được dùng như một thiết bị lập bản đồ: ở mỗi vùng của không gian điều kiện, phản ứng thực sự tạo ra những chất gì?

Một phản ứng quen thuộc hóa ra là cả một mạng lưới

Cách viết phản ứng trên giấy thường tạo cảm giác tuyến tính: A + B + C → D. Trong dung dịch, mọi thứ phức tạp hơn. Chất trung gian có thể phản ứng tiếp, phân mảnh, tái kết hợp hoặc chuyển sang một nhánh khác khi nồng độ tương đối của các thành phần thay đổi.

Khi lần lượt bổ sung các chất đã phân lập vào mô hình phổ, nhóm nghiên cứu cuối cùng xác định được 12 loài hóa học xuất hiện trong “hyperspace” Biginelli mà họ khảo sát. Phần lớn có thể nối với những con đường đã biết hoặc hợp lý theo cơ chế Biginelli truyền thống. Một sản phẩm, ký hiệu 8a, thì không.

NMR và khối phổ độ phân giải cao ban đầu cũng không đủ để nhóm gán cấu trúc một cách chắc chắn. Họ cuối cùng phải dùng nhiễu xạ tia X đơn tinh thể để xác định 8a là một cấu trúc vòng kép có nhiều nhóm thế — khác hẳn bộ khung dihydropyrimidinone thường gắn với phản ứng Biginelli.

AI xuất hiện ở bước dựng cơ chế, không phải tự mình “phát minh phản ứng”

Phần dễ bị hiểu sai nhất của nghiên cứu là vai trò của AI. Robot đã thực hiện chiến dịch quét điều kiện và dữ liệu thực nghiệm cho thấy sản phẩm bất ngờ tồn tại. Sau đó, các thuật toán AI ở cấp cơ chế được dùng để hỗ trợ dựng lại chuỗi phản ứng có thể dẫn tới 8a.

Mạng phản ứng được đề xuất cho thấy con đường mới không đơn thuần là một phiên bản khác của phản ứng Biginelli ba thành phần. Các phân tử đi qua nhiều bước tạo liên kết, phân mảnh rồi lắp ráp lại, khiến sản phẩm cuối cùng nhận nguyên tử từ tổng cộng bảy đơn vị phản ứng. Vì vậy nhóm gọi đây là một pseudo-seven-component transformation — một biến đổi “giả bảy thành phần”.

Nhóm tiếp tục làm các phản ứng kiểm chứng riêng để thử những mắt xích quan trọng trong mạng cơ chế. Sau khi hiểu đường đi tốt hơn, họ không còn cần phụ thuộc vào toàn bộ hỗn hợp Biginelli ban đầu: cơ chế mới gợi ý một con đường tổng hợp có chủ đích hơn tới cùng họ khung phân tử, và nhóm đã mở rộng được nó sang nhiều dẫn xuất.

Đây không phải trường hợp AI nhìn dữ liệu rồi tự động tuyên bố một định luật hóa học mới. Phát hiện hình thành từ ba phần: robot tạo dữ liệu ở quy mô mà thao tác thủ công khó bao phủ; phân tích quang phổ phát hiện những hỗn hợp chưa được giải thích; còn AI cơ chế giúp các nhà hóa học sắp xếp những quan sát đó thành một mạng phản ứng có thể kiểm tra bằng thí nghiệm.

Điều đáng chú ý nằm ở cách chọn thí nghiệm

Một chemist có kinh nghiệm thường không chọn điều kiện hoàn toàn ngẫu nhiên. Trực giác, literature và mục tiêu tổng hợp giúp thu hẹp rất nhanh những vùng “đáng thử”. Cách làm đó cực kỳ hiệu quả khi mục tiêu là tạo một hợp chất cụ thể, nhưng nó cũng có một hệ quả: những vùng không hứa hẹn về hiệu suất của sản phẩm quen thuộc có thể bị bỏ qua.

Robot không có chi phí nhận thức đó. Nếu một lưới thí nghiệm đã được định nghĩa, nó có thể chạy cả những tổ hợp mà một nhà hóa học khó biện minh cho việc dành hàng ngày hoặc hàng tuần để thử thủ công. Trong nghiên cứu này, chính việc coi phản ứng như một không gian nhiều chiều cần được lập bản đồ, thay vì một quy trình cần được tối ưu, đã làm lộ ra nhánh phản ứng mới.

Điều này cũng đặt kết quả vào đúng tỷ lệ. Robot không chứng minh rằng trực giác con người là không cần thiết; ngược lại, con người vẫn chọn hệ phản ứng, các biến cần quét, phương pháp phân tích, nhận dạng cấu trúc và thiết kế thí nghiệm kiểm chứng. Lợi thế của tự động hóa nằm ở khả năng khảo sát có hệ thống những vùng mà trực giác thường không ưu tiên.

Sản phẩm mới còn có hành vi tự lắp ráp bất thường

Khám phá không dừng ở cấu trúc hóa học. Một số dẫn xuất của bộ khung mới có thể tự liên kết thành các cụm lớn hơn theo cách phụ thuộc vào nồng độ và nhiệt độ. Chúng cũng cho thấy khả năng phối trí chọn lọc với một số ion kim loại.

Đáng chú ý hơn, trạng thái tự sắp xếp theo độ thuận tay của phân tử có thể thay đổi theo kim loại. Trong thí nghiệm của nhóm, ion kẽm làm các phân tử cùng chirality ưu tiên kết hợp với nhau, trong khi ion bari lại ưu tiên cặp có chirality đối nhau. Nhóm tác giả cho rằng hành vi này đáng được nghiên cứu thêm cho cảm biến ion kim loại, nhận diện phân tử hoặc vật liệu đáp ứng.

Đó mới là hướng tiềm năng, chưa phải ứng dụng đã được chứng minh. Nghiên cứu hiện chủ yếu cho thấy các phân tử mới có tính chất supramolecular hiếm và có thể điều khiển được trong những điều kiện phòng lab.

Một phản ứng 135 năm tuổi vẫn có thể còn “đất trắng”

Kết quả không có nghĩa hàng nghìn phản ứng cổ điển chắc chắn đều che giấu một sản phẩm hữu ích. Việc quét hyperspace cũng tăng nhanh số thí nghiệm khi thêm biến: chỉ vài nồng độ, nhiệt độ, dung môi, xúc tác và thời gian đã có thể tạo ra một không gian lớn hơn nhiều khả năng chạy thực tế. Phân tích hỗn hợp phản ứng phức tạp vẫn là nút thắt, và một tín hiệu mới không tự động đồng nghĩa với một phản ứng có giá trị.

Nhưng nghiên cứu Biginelli cho thấy một vấn đề phương pháp luận đáng quan tâm: hóa học tổng hợp thường được tổ chức quanh những gì người nghiên cứu muốn tạo ra. Khi robot cho phép chuyển mục tiêu sang câu hỏi “hệ này còn có thể làm gì khác?”, cùng một tập thuốc thử quen thuộc có thể phơi ra những nhánh phản ứng đã nằm ngoài vùng chú ý suốt hơn một thế kỷ.

Bước tiếp theo của hướng này không chỉ là chạy nhiều thí nghiệm hơn. Thách thức là chọn được những hyperspace đáng lập bản đồ, tự động hóa việc nhận dạng hỗn hợp ngày càng phức tạp và chứng minh rằng các phản ứng mới tìm thấy tạo ra hóa chất hoặc tính chất thực sự hữu ích. Nếu làm được, robot phòng lab sẽ không chỉ giúp chemist thực hiện nhanh hơn những gì họ đã định làm, mà còn giúp họ nhìn thấy những phần của phản ứng mà cách làm truyền thống hiếm khi khảo sát.

Nguồn: Daniel Matuszczyk và cộng sự, “Hyperspace exploration using robotics for the discovery of mechanistically distinct transformations and complex functional products”, Nature Synthesis (2026); Institute for Basic Science.