安德鲁•库珀(Andrew Cooper)，1970年出生于英国，1994年获得有机金属化学博士学位。材料学家，英国皇家科学院院士，欧洲科学院院士，中国科学院外籍院士，英国利物浦大学教授，利物浦大学材料创新工场主任、首席科学家，华东理工大学名誉教授。先后在美国北卡罗里娜大学和英国剑桥大学开展博士后研究。于1999年以英国皇家科学院“大学研究特聘学者”(University Research Fellowship)的身份加盟利物浦大学化学系，曾任利物浦大学化学系主任、理学院院长和利物浦大学校董。目前是Chemical Science 期刊的主编。
2024年5月22日，Andrew I. Cooper教授和南安普顿大学的Graeme M. Day教授团队通过化学知识和计算晶体结构预测（CSP）验证了卤化铵盐可以形成多孔的、热力学稳定的框架，并证明了这些多孔盐可以形成可预测的等孔结构家族，这些多孔盐可以表现出坚固的、可脱溶的孔隙性，并表现出有用的特性，如高水平的碘捕获等。该工作以题为“Porous isoreticular non-metal organic frameworks“发表在《Nature》上。
![]()
今日，Andrew I. Cooper教授团队探讨了自主移动机器人在化学实验室中的新颖用途，以彻底改变探索性合成化学，解放化学家的双手。与通常限制自主实验室的固定专用设备不同，这种方法引入了能够与现有实验室设备配合使用的移动机器人，从而增强了与人类主导设置的兼容性。本文报道的模块化工作流程结合了移动机器人、自动合成平台、液相色谱-质谱仪和台式核磁共振波谱仪。这使得机器人可以与人类研究人员共享现有的实验室设备，而无需垄断它或进行大量重新设计。启发式决策器处理正交测量数据，选择成功的反应进行下一步，并自动检查任何筛选结果的可重复性。作者在结构多样化化学、超分子主客体化学和光化学合成三个领域中举例说明了这种方法。这种策略特别适合可以产生多种潜在产品的探索性化学，例如超分子组装体，作者还通过评估主客体结合特性将该方法扩展到自主功能分析。相关研究成果以题为“Autonomous mobile robots for exploratory synthetic chemistry”发表在最新一期《Nature》上。Tianwei Dai为本文一作。
作者将平台划分为物理上分离的合成和分析模块（图1a、b ）。图1说明了此工作流程：移动机器人在合成平台(Chemspeed ISynth)、液相色谱-质谱(UPLC-MS)和核磁共振(NMR)光谱仪之间传输样品。该工作流程采用多个未经修改的分析设备，允许机器人与标准实验室设备交互。这种设计允许可扩展的分布式实验室布局。基于启发式的决策者评估来自 NMR 和 UPLC-MS 分析的数据，根据预设标准自动将反应分类为命中或未命中。这种自主决策对于驱动迭代过程和模仿人类干预至关重要，为复杂的合成工作流程奠定了基础。平行合成在药物发现等领域至关重要，可在该平台中自主复制，无需人工干预即可创建多种化学结构。该工作流程从组合合成开始，然后扩大成功的反应并探索多样化路线。作者演示了通过胺反应合成脲和硫脲的过程，然后进一步多样化（图2）。决策者根据 NMR 和 UPLC-MS 数据是否符合预期特征来确定反应是否成功，并评估分子变化。值得注意的是，该系统可自主处理缩放、多样化（Sonogashira 交叉偶联和铜催化叠氮化物-炔环加成）以及使用 NMR 和 MS 数据进行最终验证，以验证放大样品中的结构保真度。人类的参与仅限于补充材料，展示了很大程度上自主的工作流程，与传统的药物合成过程相呼应。在探索性超分子化学中，机器人自主合成和测试主客体组装体。这些结构涉及与客体分子结合的金属有机主体，这是分子识别的关键特征。该工作流程评估NMR数据中反应产物的结构对称性和MS数据中化学计量适当的m/z值。概述了这种自动探索，其中合成了吡啶和胺与金属离子（Zn²⁺或Cu⁺）的不同组合。成功的定义是形成具有对称NMR谱和匹配MS峰的稳定结构。当结构满足这两个标准时，平台会复制合成以确认再现性。该设置还扩展到测试主客体相互作用，系统再次基于NMR化学位移变化来识别与主体有效结合的客体分子。这个发现过程展示了机器人系统如何依靠启发式规则而不是固定结果自主导航开放式实验，从而实现意想不到的结构发现。本文设置的模块化允许集成独立的光反应器以实现主合成平台无法处理的光化学反应。作者测试不同光催化剂用于涉及受保护氨基酸的脱羧缀合物加成反应。作者显示了这种设置（图4），其中移动机器人将样品运送到光反应器并将其返回以进行后续UPLC-MS分析。鉴于仅通过NMR解释光化学产物的复杂性（由于信号重叠），决策主要依赖于UPLC-MS数据来评估反应成功与否，并针对色谱峰和m/z值制定具体标准。这一新增功能凸显了该平台在扩展功能和集成专业反应站方面的适应性。作者最后强调了模块化、自主工作流程的成功开发，该工作流程使用移动机器人在最少的人类参与下进行探索性化学合成。该平台通过评估各种化学过程的NMR和UPLC-MS数据来模拟人类决策，为大型工业实验室中更广泛、更灵活的应用铺平道路。它为传统的以优化为中心的平台提供了可行的替代方案，通过数据驱动的决策增强合成化学的发现。模块化方法还有助于扩展，具有工业环境的潜力，移动机器人可以连接物理上分离的实验室，促进具有成本效益的高通量化学研究。全文突出了模块化设计、工作流程逻辑、自主合成和光化学反应集成，共同展示了自主实验室中先进合成实验的强大系统。该设置以模仿人类实验的方式捕获复杂的合成工作流程，但利用自动化的速度和可扩展性，从而实现合成化学的变革性进步。
