计算机辅助结构解析(CASE)的黄金时代
计算机辅助结构解析(CASE)是使用软件生成与特定光谱数据集一致的所有可能的分子结构的方法。CASE主要利用核磁共振(核磁共振)光谱学数据有助于解释日益复杂的结构。有了计算机，从实验数据中识别结构的过程更快，无偏倚，可以在短时间内生成数百万个潜在的结构。
CASE的历史
第一个出版于1968年， CASE描述了如何使用计算机与红外光谱数据来阐明未知结构。随着时间的推移，科学家们意识到红外数据非常有限，所以他们转向了核磁共振。在其早期，核磁共振是基于一维光谱，它包含明显比红外光谱更多的结构信息。然而，由于缺乏相关数据，对于原子是如何连接的仍然存在明显的歧义。
下一个重要的里程碑是在20世纪90年代，2D NMR成为研究人员的常规方法。2D NMR是一种很好的方法，可以使用与1D傅里叶变换(FT) NMR相同的仪器获得更多的结构信息。它提供了一种方法来确切地找到原子是如何连接的，为现代CASE算法的发展和进化打开了大门。
CASE算法一直在不断改进，以能够处理任何可能出现的情况，例如不标准或缺失相关性，对称性和实验模糊性。最近，化学变化理论预测的进步与协同作用帮助CASE成为了今天的样子。
有用的案例
CASE是求解未知结构的一种行之有效的方法。随着先进算法的存在，CASE允许科学家选择生成的结构是正确的。有些人认为，当结构生成时，问题就解决了。然而，这是一种误解。软件通常会给你几十或几百种可能的结构，但如果数据没有足够的约束，结果可能会达到几百万种结构。在科学家有可靠的方法来识别单一最可能的结构之前，这个问题还没有完全解决——这就是在CASE中纳入额外的验证工具和计算的地方。
CASE帮助找到人类无法解决的问题的答案。当一个结构被发现并使用CASE软件确认时，科学家的结果会得到进一步的验证。例如，CASE帮助天然产物研究人员从数百万个可能的候选菌株中确定其分离物的复杂结构。当合成化学家完成了一个反应，但没有得到他们想要或预期的结果时，CASE也可以帮助他们。CASE可以用最少的实验数据帮助化学家确定未知物质的结构，从而帮助他们找出烧瓶中实际发生的情况。
主动和被动的案例
虽然我们有准确的方法来预测NMR谱，但为了区分CASE生成的前1%的结构候选，有时需要密度泛函理论(DFT)等强大的计算。然而，与没有CASE的情况相比，这节省了几周甚至几个月对可能性较小的结构的不必要计算，更快地提供最佳结果。CASE一直都是一种可以用于结构修订和验证的工具，这意味着科学家可以回头查看他们阐明的结构，并使用CASE确认其准确性。
CASE还可以与其他结构阐明的实验方法结合使用，例如x射线晶体学和原子力显微镜(AFM)。AFM允许科学家使用原子力显微镜建立一个分子的图像，并基于CASE的顶级结构候选，确定哪个分子是正确的。单独使用AFM并不容易做到这一点，因为它并不总是能给出给定分子的良好图像。
CASE的未来
CASE的未来是光明的，它很可能成为新兴科学家工作的重要组成部分。应该在学校和大学中使用CASE来教学生如何用NMR来阐明结构。虽然手工笔在纸上的解释背后的理论很重要，但使用CASE的科学家将能够快速而显著地推进他们的科学。计算机在快速解决复杂问题方面非常可靠，因此它们是现代实验室的重要组成部分。
我对CASE的愿景是:所有科学家都会使用它。就像人们在日常活动中使用计算机一样，CASE应该用于所有的结构说明。
