新药发现高度依赖多样化的化合物分子库，而全新化学反应是搭建新颖分子骨架的核心工具。传统新反应发掘多依靠科研直觉、偶然发现与大规模试错，效率低、成本高。现有AI大多仅能优化已知反应，很难真正创造从未报道的全新化学转化，如何理性发现新反应是化学领域长期面临的难题。

2026年8月18日，中国科学院上海药物研究所杨伟波团队在Chem发表题为 “A triangle association strategy for de novo reaction discovery” 研究论文，提出三角关联策略（TAS），为理性挖掘全新化学反应提供一套数据驱动的新思路。

该策略借鉴社交三角关系逻辑：若底物 a、b 均可与共同底物 c 发生反应，则 a 与 b 之间也存在发生全新反应的潜在可能。团队进一步建立反应条件关联度（DRCC）量化指标，利用交并集数学逻辑衡量底物之间化学反应空间相似度，大幅压缩催化剂、溶剂、碱等实验条件的筛选范围，减少盲目试错。研究同时搭建反应性判别神经网络（RDN），对候选反应对做活性预判，进一步提升候选反应的筛选效率。

基准测试证实，相比随机筛选、直接条件相似度筛选，三角关联策略选出的反应候选具备更高反应潜力。依托 TAS 策略，团队成功发现 6 个全新化学反应，包含铜催化环丙烷化、钯催化级联环化‑卡宾偶联、铑催化多组分双 C‑H 活化等转化。部分新反应被用于合成中环及 28 元大环骨架分子，为 “不可成药” 靶点的大环先导分子制备提供合成工具。

研究指出，当前 TAS 策略仍需依托已有反应数据库筛选桥连底物。未来将引入更多物化描述符，降低对既有实验数据依赖，拓展该策略在药物、新材料创制中的应用。

上海药物所博士研究生卞雨辰、浙江大学博士研究生王晓瑞、上海药物所博士研究生马小龙与上海镁睿科技有限公司工程师钟昊文为本文共同第一作者。杨伟波研究员与浙江大学侯廷军教授为共同通讯作者。该研究工作得到了国家自然科学基金、临港实验室、中国科学院战略重点研究计划A类先导专项等项目的资助，上海药物所郑明月研究员在研究中给予了大力支持。

文章链接: https://doi.org/10.1016/j.chempr.2026.103204.

（供稿部门：杨伟波课题组；审编：刁文桐；责编：王肖成）