2026诺贝尔化学奖揭晓:手性、Kagan与Soai的对称性破缺

2026年诺贝尔化学奖授予Kagan与Soai,表彰他们揭示不对称反应的手性放大机制。
2026年诺贝尔化学奖授予Henry B. Kagan与Kenzo Soai,表彰他们在不对称有机合成领域的开创性工作。Kagan发现不对称催化中存在非线性效应,即低手性纯度催化剂可产出远高于预期ee值的产物,修正了传统线性认知。Soai则实现不对称自催化与手性放大,产物自身催化生成并放大微小手性偏好,为生命同手性起源提供化学模型。两项发现不仅深化了对对称性破缺的理解,也推动手性药物工业向高纯度单一对映体合成方向发展。
当分子拥有"左手"与"右手"
2026年诺贝尔化学奖授予了Henry B. Kagan与Kenzo Soai,表彰他们在不对称有机合成领域的开创性工作。这项研究的核心概念是手性(chirality)——就像人的左手和右手,某些分子存在互为镜像却无法重叠的两种形态,这类分子被称为对映异构体(enantiomers)。

在药物化学中,对映异构体的区分至关重要。一种构型可能是治病良药,它的镜像分子却可能无效甚至有害。因此,如何选择性地合成单一构型,成为合成化学家长达数十年的核心挑战。
**对映体过量值(ee值)**是衡量手性产物纯度的核心指标,定义为两种对映异构体摩尔分数之差与总和之比,用百分数表示。例如,若产物中R型占90%、S型占10%,则ee值为80%。ee值为0%代表外消旋混合物(两种构型等量),100%则代表单一纯构型。在制药领域,ee值直接关系到药物的安全性与有效性——美国FDA规定,对于手性药物,必须分别评估两种对映体的药理与毒理性质,这使高ee值的不对称合成成为关键技术指标。Kagan非线性效应所描述的,正是催化剂ee值与产物ee值之间可呈非线性关系的现象:催化剂ee值较低时,产物ee值可能反而更高,这一反直觉规律为工业上降低催化剂成本提供了理论依据。
Kagan的非线性效应:小偏差如何被放大
传统不对称催化理论认为,催化剂的手性纯度与产物的对映体过量值(ee值)之间呈线性关系——催化剂有多纯,产物就有多纯。Kagan的研究打破了这个直觉:他证明不对称反应可以表现出非线性效应(nonlinear effects)。

这意味着,一个手性纯度很低的催化剂,在特定条件下可能产出对映体纯度远高于预期的产物。这一发现不仅修正了人们对催化机理的理解,也为工业合成提供了新思路——无需追求催化剂本身的绝对光学纯度,通过体系内的非线性放大机制同样可以获得高ee值的产物。
不对称催化是指利用少量手性催化剂诱导大量底物发生立体选择性反应,从而获得单一或高比例对映体的合成策略。与传统化学计量手性辅基法相比,不对称催化具有原子经济性高、催化剂用量少、易于放大等优势,已成为手性药物工业合成的首选路线。2001年诺贝尔化学奖曾授予Knowles、Noyori和Sharpless,表彰他们在不对称催化氢化和氧化反应方面的奠基性贡献。Kagan的非线性效应研究则进一步揭示了催化体系中手性物种之间的相互作用——当催化剂分子以不同聚集态或配位形式存在时,其手性纯度对反应选择性的影响不再呈简单线性关系,这对理解催化循环的真实活性物种具有重要意义。
Soai反应:让分子"自己选择"手性
如果说Kagan揭示了外部催化剂非线性行为的规律,那么Soai则将不对称合成推向了更令人惊讶的方向——不对称自催化与手性放大。

Soai发现的反应体系中,产物本身充当催化剂,催化自身的生成。更关键的是,当体系中存在微小的手性偏好时,这个偏好会在自催化循环中被不断放大,最终产物几乎完全偏向某一构型。这一现象为理解生命同手性起源提供了化学模型——地球上生命体为何几乎只使用L型氨基酸和D型糖,手性放大机制或许提供了一种可能的解释路径。

生命同手性是指生物体内氨基酸几乎全为L型、糖类几乎全为D型这一现象。为何生命在化学上选择了单一手性,是自然科学中最引人入胜的未解之谜之一。可能的解释包括:宇宙射线或圆偏振光诱导的手性偏倚、矿物表面吸附的手性选择、以及自催化放大机制等。Soai反应的重要意义在于,它首次在实验上证明,从几乎外消旋的起点出发,通过不对称自催化即可实现接近100%ee的手性放大。这为"微小初始偏差经自催化放大至宏观手性纯度"的假说提供了坚实的化学证据,也为理解生命起源中手性均一性的形成机制提供了可实验验证的模型体系。
从基础化学到产业应用
两位获奖者的工作并非孤立的理论贡献。在制药工业中,手性药物的市场份额持续增长,对高纯度单一对映体的需求推动着不对称催化技术的迭代。Kagan的非线性效应理论帮助工程师优化催化剂配方,Soai的自催化体系则为手性放大提供了自下而上的策略。
这项诺奖也提醒我们,有机化学中最优雅的发现往往源于对"对称性"这一基本问题的追问。从Pasteur手工分离酒石酸晶体,到Kagan与Soai在分子层面操控手性,人类对对称性破缺的理解已走过漫长道路,但生命为何选择单一手性这一终极问题,仍等待着下一代化学家去回答。
手性拆分与不对称合成是获取单一对映体的两条主要路径。手性拆分通过物理或化学方法将外消旋体中的两种对映体分开,但理论收率最高仅50%,且需额外处理不需要的异构体。不对称合成则直接构建目标构型,理论收率可达100%,更符合绿色化学原则。Kagan与Soai的工作分别从催化剂非线性行为和自催化放大两个维度,拓展了不对称合成的策略空间。在工业实践中,非线性效应可用于指导催化剂配体筛选与反应条件优化;自催化放大则启发了一些新型手性放大工艺的设计。两者共同推动了手性技术从实验室走向大规模生产。
相关推荐

Workbuddy零基础入门:桌面AI智能体如何落地工作流
Workbuddy桌面AI智能体零基础教程解读:从安装、积分领取到文件管理与自动化工作流搭建,对比CodeX的适用场景与成本差异,帮助职场人完成从AI提问者到AI管理者的思维转变。

OpenAI智能体新栈:计算机操作、决策API与超速工作流
OpenAI Dev Day发布智能体新栈:Computer Use操作速度超越普通人,Decisions API基于Luna实现极低延迟分类,Agents API开放同源计算机操作能力,GPT-6.1 Sol成本仅为Astra七分之一。本文梳理核心更新、实测数据与开发者落地要点。

梁文峰开源推理框架DeepInfo,硬刚美国禁令
DeepSeek在开源模型后再开源推理框架DeepInfo,包含GPU/CPU交叉流水线、小模型预判大模型复核、华为昇腾与英伟达芯片全面适配等技术,直面美国联邦禁令。本文解析其对AI产业落地的意义与开源策略。