近期,ChatGPT在自然语言处理领域的表现备受瞩目,其出色的性能和广泛的应用前景使其成为人工智能领域的热门话题,受到了学术界和工业界的广泛关注和认可,火爆程度可谓是一发不可收拾。
那么,在化合物结构解析领域,ChatGPT是否也能提供一些快捷的帮助呢?小编带着好奇的心理,向ChatGPT提供了几个问题:
PS: 该碳谱化学位移数据来源文献:J. Org. Chem.,1978,v.43,p.2708
ChatGPT前面的回答其实都基本没错,分析得头头是道,的确感觉到了它的厉害!
然而,对于最后提供的结构却是错误的,也让人难以接受。于是我们尝试再提供额外的约束信息给它。
以上,ChatGPT在得到分子式的信息后,再次推断了化合物的结构,然而依然与正确答案相差甚远。
其实,该碳谱数据对应的化合物是一个很简单的药物分子——阿司匹林。
接下来,当小编问ChatGPT——“阿司匹林的碳谱数据”的时候,它提供了以下答案:
由于对它提供的答案有很大的质疑,我们登录了SDBS网站,核查了该结构收录的碳谱数据:
最后发现,ChatGPT提供所谓来自SDBS数据库的碳谱数据也是跟实际对不上,尴尬...
————————————————————————————
以上是小编跟ChatGPT在对一个简单药物分子(阿司匹林)的碳谱数据做简单交流的一个情况。ChatGPT相对于以往的所谓智能聊天工具、网页搜索引擎,的确有了革命性的颠覆,它不仅能写论文,还能写新闻、写代码、解题,甚至创作音乐等等。但是,很多时候,ChatGPT在一本正经的“胡说”,或者有明显的常识性错误,或是答案很表层。对于严谨、专业的科研问题,科研人员还是需要谨慎对待!
参考资料:
[1] M. E. Maier,Nat. Prod. Rep.2009,26, 1105.
[2] B. K. Chhetri, S. Lavoie, A. M. Sweeney-Jones, J. Kubanek,Nat. Prod. Rep.2018,35, 514.[132] T. Amagata,Comprehensive Natural Products II: Chem. Biol.2010,2, 581.
[3] T. L. Suyama, W. H. Gerwick, K. L. McPhail,Bioorg. Med.Chem.2011,19, 6675.
[4] M. Elyashberg, A. Williams, K. Blinov,Nat. Prod. Rep.2010,27, 1296.
[5] D. C. Burns, W. F. Reynolds,Magn. Reson. Chem.2019,1.https://doi.org/10.1002/mrc.4933
[6] M. E. Elyashberg, A. J. Williams, K. A. Blinov,ContemporaryComputer-assisted Approaches to Molecular Structure Elucida-tion. Cambridge: RSC;2012.
[746] M. E. Elyashberg, A. J. Williams,Computer-based StructureElucidation from Spectral Data. The Art of Solving Problems,Heidelberg, Springer2015.
[8] A. Moser, B. G. Pautler,Magn. Reson. Chem.2016,54, 701.
[9] J. M. Nuzillard, B. Plainchont,Magn. Reson. Chem.2018,56, 458.
[10] R. Soong, B. Pautler, A. Moser, A. Jenne, D. Lysak, A.Adamo, A. Simpson,J. Chem. Educ.2020,97, 855.