不对称催化(三)- 动态动力学拆分&动态动力学不对称转化

一、动力学拆分的基本概念:

动力学拆分的最大理论产率为50%,通过的差异可以将两个对映异构体转化为不同构型的产物,通常情况下使用两个不同反应路径来实现。但是化学家们提供了一个更加实用的方法,通过底物的构型变化实现高于50%的产率,这种方法被称为动态动力学拆分(DKR)

DKR 将动力学拆分与一个将手性底物进行通过非手性中间体(和过渡态的快速原位外消旋化过程耦合起来。随着反应较快的底物对映体通过一个对映选择性的拆分过程不断地转化为产物,(底物的两个对映体之间的)平衡总是通过一个动态的外消旋化过程进行调节。 外消旋化过程是热力学有利的,因为两种对映体混合时造成了熵的增加

跟动力学拆分一样,反应较快的对映体的速率()必须比较慢的对映体的速率()快得多。当 > 20 时可以得到非常好的结果。**一个成功的动态动力学拆分的典型条件是外消旋化过程的应该以大于或等于催化不对称过程的速率(即)进行。**然而,当非常高时,即使也可能得到高ee 值的产物。

除此之外,如果,DKR 会比经典动力学拆分获得更高的产物对映体过量,因为

连续不断的外消旋化过程会防止阻碍动力学拆分其中一个底物对映体的累积这一过程的发生。

相关推荐
道友可好19 小时前
OpenSpec:轻到起飞的 AI 编程规范层
前端·人工智能·后端
后端小肥肠19 小时前
小红书篇篇 5 位数阅读!我自研了一套全栈爆款笔记 Skills
人工智能·aigc·agent
新加坡内哥谈技术20 小时前
AI 勇敢新世界中的技术债务
人工智能
ruanyongjing20 小时前
从机器翻译到智驾:规则派的黄昏与数据革命的终局(五)
人工智能·自然语言处理·机器翻译
Mahi笔记20 小时前
AI 正在改变独立站运营的 5 个环节
人工智能
IT_陈寒20 小时前
React状态管理这个坑,我爬了整整三天才出来
前端·人工智能·后端
阿里云大数据AI技术20 小时前
Skill即服务:用Agent安全玩转云上Flink
人工智能·flink
AI人工智能+20 小时前
融合图像处理与模式识别算法的智能银行卡识别系统,为金融行业带来了革命性的效率提升
人工智能·深度学习·ocr·银行卡识别
鲲鹏AI探索局20 小时前
飞书 CLI 实测:让 Codex 接入真实办公流程
人工智能·aigc·飞书cli
weixin_3975740920 小时前
Agent OS治理平台:资源平面、执行平面与控制平面的架构
人工智能·平面·架构