暨南大学谢默/李丹团队/剑桥大学J. R. Nitschke教授Angew. Chem. Int. Ed.：机器学习加速共结晶用于结构测定

本文背景是单晶X射线衍射在分子结构解析中具有重要作用，但高质量单晶获取依赖长期试错。针对这一问题，暨南大学李丹团队曾提出以Ag3Pz3作为“结晶伴侣”的广谱结晶策略，然而如何快速判断目标分子适用性仍是挑战。本研究目的为开发一种机器学习辅助的共结晶方法，加速共晶获取与结构鉴定。研究团队构建了基于150个样本（含58阳性、92阴性）的数据集，利用RDKit计算分子描述符，通过LASSO回归筛选特征，并比较多种算法后选用KNN模型，AUC达96%、准确率超95%。SHAP分析揭示关键影响因素包括官能团特征、电荷分布和疏水性。模型应用于5406个化合物，预测出1206个候选分子，实验验证114个成功形成共晶，准确率95%。结论是该策略成功涵盖挥发性液体、含杂原子有机物、长链柔性分子及大环内酯类天然产物与药物等体系，为复杂分子快速结构解析提供了高效数据驱动的新方法。