销售咨询热线：
400-875-1717转819
北京时间10月7日，2026年诺贝尔化学奖得主名单正式揭晓。Henri B. Kagan博士和Kenso Soai博士因在不对称有机合成中发现非线性效应和自催化作用方面的贡献，共同摘得这一桂冠。
获奖发现：破解“同手性"百年之谜的两块实验基石
谜题：生命为什么只用一种镜像？
氨基酸、糖类等分子存在两种互为镜像、却无法重合的变体——化学家称之为手性，两种镜像分子互为对映体。1848 年，巴斯德在显微镜下用镊子把酒石酸晶体按左右两种外形分开，发现它们使偏振光分别向左、向右偏转，人类由此第一次确认分子可以有“左右手"之分。更令人困惑的是：构成生命蛋白质的氨基酸几乎全部是左旋体，DNA 中的糖则全是右旋体——生命是同手性的；而化学家在试管里合成手性分子时，得到的却总是两种镜像的等量混合物。这种不对称从何而来，成为困扰化学界逾一个世纪的谜题。
1953 年，布里斯托大学理论物理学家 Charles Frank 给出了解题所需的数学结构：一个能自发产生同手性的化学反应须同时满足三个条件——①存在手性催化剂与不对称反应；②一种镜像的生成被放大、另一种被抑制；③反应产物能催化自身的生成（自催化），从而产生自我强化的指数增长。此后，2001 年与 2021 年的诺贝尔化学奖分别完成了第一条（不对称催化）；2026 年的奖项，表彰的正是 Frank 模型中剩余两个条件的实验实现。
Kagan：非线性效应——手性可以被“放大"
上世纪 80 年代初，不对称催化研究存在一个看似不言自明的共识：催化剂的手性会线性传递给产物——催化剂中两种镜像各占多少，产物就按比例生成多少。巴黎南大学的 Henri Kagan 对这一假设提出了质疑。他注意到，作为反应“马达"的金属离子通常能同时结合多个手性配体；若将左右两种配体混合投料，体系中实际存在三种催化剂——“右-右"“左-左"与“左-右"。关键的一张底牌在于：“左-右"型异手性配合物的催化活性远低于另外两种，相当于把部分劣势配体“锁"进了低效物种中。
以 75% 右旋配体 + 25% 左旋配体为例，随机配对后真正高效驱动反应的催化剂比例约为 90% 右旋对 10% 左旋——产物的对映体过量（ee 值）被显著放大，高于催化剂本身的手性纯度。1986 年，Kagan 在《美国化学会志》（J. Am. Chem. Soc. 1986, 108, 2353–2357）上一次性报道了三个呈现这种非线性效应的不对称反应，描出的曲线是弯的，而非此前学界假定的直线。这完成了 Frank 模型的第二个条件；更重要的是，NLE 很快反过来成为化学家手中的诊断工具——通过测量产物 ee 与配体 ee 的关系曲线，可以反推反应的真实机理，进而有针对性地优化反应。
【图1 Kagan 的发现：左右配体随机结合金属离子后生成三种催化剂（右-右 56%、左-右 38%、左-左 6%），其中左-右型几乎不工作，使高效催化由 90% 右旋对 10% 左旋的物种主导，反应的不对称性由此被放大。】
Soai：不对称自催化——从非手性体系中“长"出手性
东京理科大学的Kenso Soai接过了最后一块拼图。他在研究一个具有强非线性效应的不对称反应时注意到，该反应的催化剂与产物在结构上高度相似——这启发他去寻找一种能催化自身生成的手性分子。经过大量分子试错，他锁定了 5-嘧啶基烷醇（5-pyrimidyl alkanol）。1995 年的关键论文报道：以仅 2% ee 的轻微过量起始，产物在自催化循环中被放大至 87% ee——Frank 模型的三个条件在同一个反应中齐备。
2003 年，Soai 给出了最终的结果：从一个非手性的溶液出发，反应初始因随机涨落产生约 0.00005% 的微弱过量，该优势镜像随即接管整个反应；经三次补加底物与试剂后，产物 ee 超过 99.5%，极限可达 99.99%。重复实验时，左右哪一种镜像胜出由初始的偶然决定——这是自生命起源以来，人类在实验室从非手性体系实现手性对称破缺、获得高对映体过量产物，也为“生命的同手性如何起源"提供了第一条可实验验证的化学路径。
【图2 Soai 反应：非手性起始液中随机生成的微量手性催化剂催化自身复制（自我强化过程）；每轮补加底物与试剂后优势镜像持续放大——0.00005% → 57% → 99% → >99.5%】
现代医药与精细化工的根基，大多牢牢扎在有机合成的基础之上
这两项发现之所以在数十年后仍获诺奖授予，是因为它们早已超出基础谜题的范畴，成为产业界的日常工具。诺奖委员会的表述很明确：Kagan 的非线性效应已成为化学家设计新反应时获取机理信息、优化对映体纯度的常规手段，“对每一家制造与生命体相互作用物质的公司都至关重要"——覆盖药物、香料、香精与农用化学品，并在部分新材料的生产中同样关键。
手性之所以值钱，是因为生命体本身就是手性环境：互为镜像的两个分子进入人体后，可能产生不同的命运。几组可核实的事实足以钉住这个判断：
镜像即风险：一个镜像治病，另一个可能致害。1960 年代初的沙利度胺事件中，该药在体内会快速外消旋造成出生缺陷的正是该镇静剂活性物质的镜像分子；抗结核药乙胺丁醇的 (S,S) 构型具有治疗活性，而 (R,R) 构型对病原体的效力约低 500 倍且伴随视神经毒性；抗抑郁药西酞普兰的 S 构型 10 mg 即可达到外消旋西酞普兰 40 mg 的治疗效果。监管由此收紧——FDA 对手性原料药的 ee 值通常要求超过 98%，ICH Q6A 要求对映体杂质谱必须明确控制。
产业已用投票给出答案。对美国 FDA 2013–2022 年批准小分子新药的统计表明，约 60% 为单一手性分子，外消旋体占比已降至约 3.6%（2003–2012 年间尚为 11%）；行业分析显示，现代药物分子普遍携带 2–4 个手性中心，而手性化学品全球市场 2024 年规模约 774 亿美元，预计 2030 年达 1258 亿美元，其中约七成用量来自制药行业，其余为非手性/未披露立体化学的品种。
把视野再拉远一层：从活性分子的路线设计与不对称合成，到功能材料的分子级构型控制，现代医药与精细化工的根基，大多牢牢扎在有机合成的基础之上。而“根基"二字在工程上的含义是具体的——每一个候选分子、每一条工艺路线、每一个手性纯度指标，最终都要以实物样品和实测数据的形式存在，才进入研发决策。
AI 设计的承接点，是湿实验的物理验证
这正是本届诺奖对 AI4S 最有分量的提醒。AI 逆合成与生成模型可以在数小时内枚举路线、打分候选——据学界通行估计，类药分子的化学空间高达 10⁶⁰ 量级，算法确实让“搜索"变得便宜。但模型输出的每一个分子与每一条路线，在物理世界里都还只是假说：它能否以可接受的收率与 ee 值合成出来、批间是否一致、杂质谱是否可控，只能由实验回答。用反事实的方式说会更清楚：如果只有生成模型而没有实验执行，候选分子只是一串字符；如果只有自动化而没有标准化数据，实验结果无法回流建模；如果只有数据而没有可追溯的工艺记录，主动学习闭环就没有燃料。
Soai 反应本身，就是对“实验执行精度"极为典型的注脚：最终产物的左右手性，由初始约 0.00005% 的随机涨落决定。换言之，反应对初始条件、投料精度与过程控制敏感到了物理极限——在这样量级上，实验条件的可重复性与数据的可追溯性，本身就是结论的一部分。AI 时代的化学研发瓶颈，已不在“设计端能想多少"，而在“验证端能稳稳接住多少"：高通量、可复现、带完整过程记录的湿实验能力，决定了假说被证实或被证伪的速度。
欧世盛正在建设的，正是这一层物理验证与数据基础设施，让下游各类自驱实验室实现高效无人运转，每一次验证都以结构化、可追溯的数据收口——AI 给出的假说由此获得稳定、可横向比较的物理回答，验证结果再作为高质量数据回流模型。设计在算法中提速，结论在自驱实验室验证，这正是“干湿闭环"的完整形态。
验证能力，正在成为研发的稀缺资产
从 1986 年的弯曲曲线到 2026 年的斯德哥尔摩，Kagan 与 Soai 的发现用了数十年完成从实验现象到工业工具的沉淀——化学结论的分量，从来都以被重复验证的次数来计量。AI 把分子设计的边际成本压向零之后，研发竞争中真正稀缺的，转而成为高通量、可复现、可沉淀的物理验证能力，以及随之积累的数据资产。让每一次实验都被精确执行、被完整记录、被模型复用，是欧世盛作为“物质科学研发的智能实验基础设施"提供者的长期命题——以智能装备生态，成就科学家梦想。
