化学反应优化：一次一个因素 （OFAT）

“基于直觉的优化”主要涉及经验丰富的化学家观察来改进反应指标的优化。除了通过化学直觉进行优化外，一次一个因素 （OFAT） 方法通常可以替代化学过程优化和理解的方法。这主要是在学术界进行的，并且存在结构化但易于遵循的程序，使这种技术看起来既有效又易于使用。OFAT 方法本身需要一些科学直觉，其中实验是通过修复除一个之外的所有过程因素来迭代进行的。在确定一个因子的最佳值后，该值是固定的，同时执行另一组实验以优化另一个因子，直到每个因子都得到优化并且科学家认为它们已经达到最佳反应条件。这些因素可以是任意数量的实验条件（如温度、化学计量、反应时间等），当它们组合在一起时，构成一个多维空间，其中包含许多可能的因素组合以构成一个实验。这称为参数空间，并受每个因子的上限和下限（例如，最大和最小温度）的约束。

        作为一种优化技术，OFAT 方法通常不准确且效率低下，并且该方法经常误解化学过程，因为没有考虑所考虑因素之间的任何协同效应。实验因素之间的相互作用被忽略，因为这种线性实验程序被应用于仅给出非线性响应的化学反应输出。这种非线性可以通过统计或物理建模来解释，但不能使用OFAT进行探索，因此OFAT经常错误地识别出真正的最佳反应条件。OFAT活动的示例示意图如图1所示，映射到化学反应的给定参数空间的响应表面上（其中考虑了试剂当量和温度）。随着温度的固定，优化被初始化，并执行迭代实验（1–7）以确定最佳试剂当量。在实验 5 中找到该值后，进行后续实验 （8–14） 以确定最佳温度。由于此示例中仅考虑了两个因素，因此优化现已完成，并发现了一组假定为最佳的实验条件。然而，由于无法先验地知道真实化学实例的响应面，因此很难估计与这组已确定的最佳条件和系统的真正最优条件的距离。

图 1. 不同温度和试剂当量下的 OFAT 实验程序示例，其中 ○ 表示编号的实验数据点，蓝色区域表示参数空间的真正最佳区域。 响应表面的轮廓从红色（低响应）到蓝色（高响应）。

通常，科学家会进行 OFAT 活动，因为该方法可以在没有数学建模的情况下进行，这是进行基于实验室的实验时的一个关键优势，也是它普遍存在的一个主要原因。Abtahi 和 Tavakol 最近的一个例子显示了使用OFAT优化在合成生物活性炔丙胺支架时实现公平的产量。对模型反应进行优化，如方案1所示，然后将确定的反应条件应用于几种底物，收率为38-91%。优化过程从确定温度和反应时间开始，并优化反应介质和催化剂以获得最高的反应收率。然后，随着温度和反应时间的优化，固定反应介质和催化剂，然后固定除催化剂负载以外的所有因素，因为该因素最终得到优化，在模型反应中实现了75%的收率。

方案1. 用于 OFAT 优化的模型反应，用于合成丙炔胺衍生物

文献中有几个例子说明该技术在各种化学中的应用，在许多情况下具有不同程度的应用化学直觉，但仍遵循OFAT方法的结构。（在我们自己的实验室中，当本科生化学家被赋予优化反应的任务时，学生通常会采用OFAT技术，因为他们不知道其他优化方法。这不是学生的错，也不是学者以这种方式优化反应的错，因为这确实是一种提高反应产率的基本技术。然而，随着研究实验室开始通过采用自动化逆合成软件和实验等先进技术来使其设备多样化，对于化学家来说，通过多样化自己的技能组合来充分利用不断发展的实验室的能力，以同样的速度发展也很重要。近年来，合成化学家已经开始接受过程化学、化学工程、分析化学和计算机科学等方面。同时，促进更好地理解和采用反应优化方法也很重要，因为OFAT优化已被更强大、更有效的技术所取代。因此，本文将OFAT的化学反应优化纳入本文，以进行比较。

文章来源：

A Brief Introduction to Chemical Reaction Optimization （2023）

https://doi.org/10.1021/acs.chemrev.2c00798