晶型预测 CSP：为什么固体形态决定开发成败

同一个化合物可以有多种晶体堆积方式（多晶型），不同晶型的溶解度、稳定性、生物利用度可能差别很大。晶型问题在制药工业中造成过严重后果，因此固体形态研究是新药开发的必经环节。

为什么晶型这么重要

受影响的性质	后果
溶解度与溶出速率	直接影响生物利用度
物理稳定性	储存期间可能转变为更稳定的晶型
化学稳定性	不同堆积方式的降解速率不同
吸湿性	影响储存与工艺
机械性质	影响压片、研磨
熔点	影响加工
知识产权	晶型可单独申请专利

最危险的情形是「消失的晶型」（见 393《多晶型 Polymorphism》）：产品上市后出现了一个此前未发现的、更稳定的晶型，一旦出现就可能在生产环境中「污染」并主导结晶，导致原有晶型无法再制备。由于更稳定的晶型通常溶解度更低，这会直接影响药效，可能导致产品召回。制药史上有过这类著名案例。

晶型预测（CSP）的原理

• 1. 分子构象采样：柔性分子在晶体中可能采取不同构象，先枚举可能的构象；
• 2. 堆积搜索：在常见空间群中，系统地搜索分子的堆积方式（位置、取向、晶胞参数）；
• 3. 能量计算与排序：计算每个候选晶体结构的晶格能，按能量排序；
• 4. 聚类去重：合并等价结构；
• 5. 输出能量-密度图（landscape）：展示所有低能候选晶型。

核心难点

• 搜索空间巨大：230 个空间群 × 分子位置与取向 × 构象自由度。实际中会限制到最常见的十几个空间群（P2₁/c、P-1、P2₁2₁2₁ 等覆盖了大部分有机晶体）。
• 能量差极小：不同晶型间的能量差常常只有几 kJ/mol，这要求计算精度极高——远高于常规分子模拟的需求。
• 力场精度不足：经典力场难以达到所需精度，通常需要色散校正的密度泛函理论（DFT-D）做最终排序，成本很高。
• 热力学 vs 动力学：能量最低的晶型不一定是实际结晶出来的（动力学控制）；预测「哪个能形成」比预测「哪个最稳定」更难。
• 溶剂化物与水合物：溶剂参与晶格时搜索空间进一步扩大。

当前能力水平

能力	状态
刚性小分子的晶型预测	较可靠，盲测中常能预测出实验晶型
中等柔性分子	可行但成本高
高柔性分子（多个可旋转键）	仍很困难
盐与共晶	更复杂
水合物/溶剂化物	困难
预测哪个晶型会实际结晶	不可靠（动力学问题）
预测相对稳定性排序	中等可靠

剑桥晶体数据中心组织的 CSP 盲测（blind test）是评估该领域进展的标准活动。历次盲测显示：对刚性小分子，成功率已相当可观；但柔性分子和复杂体系仍是挑战。

计算成本

# 典型的 CSP 计算量
#
# 1) 构象搜索          → 数十到数百个构象
# 2) 堆积搜索          → 生成 10^4 ~ 10^6 个候选结构
# 3) 力场预筛与优化    → 保留 10^3 ~ 10^4 个
# 4) DFT-D 精算        → 只对最低能的 10^2 个做
#                        ← 成本瓶颈在这里
# 5) 自由能修正（可选）→ 考虑温度效应
#
# 总计算量：数千到数十万 CPU-小时
# 一次完整的 CSP 通常需要数周
#
# 机器学习势函数（见 316）有望降低第 4 步的成本，
# 这是该领域正在推进的方向

实际应用场景

• 风险评估：最主要的用途。CSP 给出的能量图谱如果显示有多个能量相近的候选晶型，说明该分子的多晶型风险高，需要更充分的实验筛选。
• 指导实验筛选：预测的晶型可以提示实验该往哪个方向找（如尝试特定溶剂或结晶条件）。
• 解释实验结果：实验得到一个新晶型后，用计算确认它在能量图谱中的位置。
• 知识产权：预测可能存在的晶型，用于专利布局或规避。
• 不能替代实验：CSP 是实验筛选的补充而非替代。完整的多晶型筛选（不同溶剂、温度、冷却速率、研磨等）仍是必需的。

实验筛选与计算的配合

# 典型的固体形态开发流程
#
# 1) 高通量多晶型筛选（实验）
#    数十到数百种结晶条件：
#      - 不同溶剂与溶剂混合物
#      - 冷却结晶、蒸发结晶、反溶剂结晶
#      - 研磨（干磨、湿磨）
#      - 淤浆转晶
#
# 2) 表征每个固体形态
#    PXRD（粉末衍射，最主要）、DSC、TGA、
#    动态水分吸附（DVS）、拉曼/红外
#
# 3) CSP 计算（并行进行）
#    → 评估是否可能存在未被实验发现的晶型
#    → 若计算显示有低能晶型未在实验中出现，
#      提示需要扩大筛选范围
#
# 4) 稳定性关系确定
#    转晶实验、溶解度测定、淤浆竞争实验
#
# 5) 选定开发晶型
#    通常选热力学最稳定的形态，
#    除非其溶解度不可接受（此时需考虑无定形或共晶）

延伸资源

• 多晶型风险：393《多晶型 Polymorphism》；盐型：394《盐型选择 Salt Selection》；共晶：395《共晶 Cocrystal》；
• 结晶工艺：398《结晶过程理解》；机器学习势函数：316《DP Technology 深势科技》。