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
本当迷ya5 分钟前
8月17日最新 Codex gpt-5.6-sol 开启 1M 上下文封印
人工智能
jinggongszh26 分钟前
使用AI协同开发产品条码规则功能——从“理解方案、原型、接口文档”到“落地真实前端代码”
前端·人工智能·mes系统·mes工程架构
专注仿真30 分钟前
问答大模型技术方案算法实现-RAPTOR树构建算法与BEG集成使用
python·算法
宋哥转AI34 分钟前
深入理解 AI Agent · MEMORY #02:记忆的工程机制
人工智能·agent·ai编程
一名普通的电源工程师42 分钟前
WRF2424S‑3WR2 适配优选 钡特电源 VF3‑24S24S|3W 工业 DC‑DC 模块电源选型拆解
人工智能·电源模块·工业电源
野三关彭于晏43 分钟前
Agent 时代,如何用 AI 重塑教育信息化
人工智能·agent
哔哩哔哩技术1 小时前
IndexTTS 2.5 让声音跨越语言
人工智能
zlinear数据采集卡1 小时前
数据采集卡从入门到精通(10):采样率与分辨率的核心关系——反比律、架构分布与过采样
arm开发·嵌入式硬件·算法·fpga开发·架构·开源
Mr_凌宇1 小时前
codex开启1M上下文
人工智能·程序员
AI英德西牛仔1 小时前
豆包导出 pdf 颜色不一样怎么办,选用 AI 导出鸭优化文档导出,结合行业白皮书数据解析色彩失真成因
人工智能·ai·chatgpt·pdf·deepseek·ai导出鸭