在过去的一个世纪里，有机化学家开发了大量的催化成键反应，不过这些工作中的绝大部分在问世之后就被束之高阁，仅有少数反应被有机化学家及其相关领域的研究人员真正广泛使用，例如大家几乎都知道的烯烃复分解、Suzuki偶联和Buchwald-Hartwig偶联等（图1）。这些广泛使用的反应基本都具有以下关键特征：产率高、性能稳定、底物适用性广泛。然而，由于底物适用性和反应效率难以预料，一些挑战性反应往往需要通过数年甚至数十年的不断优化，通用性才能有明显提升。如图1所示，传统的反应优化是一个迭代过程，一般始于机理研究，对反应机理的深入理解帮助化学家提出合理的改进思路，并通过精心设计催化剂来逐步提高反应性能。遗憾的是，很多催化系统比较复杂，对于机理的理解往往并不充分，传统优化方法难以达到目的。

近日，受到药物化学中常用的化合物库筛选方法的启发，2021年诺贝尔化学奖得主、美国普林斯顿大学教授的David W. C. MacMillan等人尝试通过筛选含有大量不同结构添加剂的化合物库，来实现复杂催化系统的反应通用性与机理研究的“双赢”。具体来说，利用高通量实验（HTE）和构效关系（SAR）研究对具有挑战性和底物受限反应中的添加剂进行筛选评估，找到最优添加剂以拓展底物范围，并基于筛选数据进一步深化对反应机理的理解（图1）。他们将这一方法称为“添加剂映射（additive mapping）”法。作为应用验证，他们将该方法用于金属光氧化还原脱羧芳基化反应，发现邻苯二甲酰亚胺配体作为添加剂能够克服许多先前未解决的局限性，并对镍催化交叉偶联反应的机理研究具有重要的意义。美国Merck & Co., Inc.的Spencer D. Dreher为共同通讯作者，相关成果发表在Science 上。

原文链接：10.1126/science.abn1885