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
灵感__idea39 分钟前
Hello 算法:贪心的世界
前端·javascript·算法
HIT_Weston1 小时前
45、【Agent】【OpenCode】本地代理分析(请求&接收回调)
人工智能·agent·opencode
逻辑君2 小时前
认知神经科学研究报告【20260010】
人工智能·深度学习·神经网络·机器学习
星河耀银海2 小时前
远控体验分享:安全与实用性参考
人工智能·安全·微服务
澈2072 小时前
深入浅出C++滑动窗口算法:原理、实现与实战应用详解
数据结构·c++·算法
企业架构师老王2 小时前
2026企业架构演进:科普Agent(龙虾)如何从“极客玩具”走向实在Agent规模化落地?
人工智能·ai·架构
GreenTea2 小时前
一文搞懂Harness Engineering与Meta-Harness
前端·人工智能·后端
ambition202422 小时前
从暴力搜索到理论最优:一道任务调度问题的完整算法演进历程
c语言·数据结构·c++·算法·贪心算法·深度优先
cmpxr_2 小时前
【C】原码和补码以及环形坐标取模算法
c语言·开发语言·算法
qiqsevenqiqiqiqi2 小时前
前缀和差分
算法·图论