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
鱼骨不是鱼翅9 小时前
jupyter notebook
ide·人工智能·jupyter
承渊政道9 小时前
【优选算法】(实战:栈、队列、优先级队列高频考题通关全解)
数据结构·c++·笔记·学习·算法·leetcode·宽度优先
py有趣9 小时前
力扣热门100题之将有序数组转为二叉搜索树
算法·leetcode
圣殿骑士-Khtangc9 小时前
OpenClaw 完整部署教程(2026最新版)|Windows / macOS / Linux 全平台保姆级指南
人工智能·openclaw
天若有情6739 小时前
Python精神折磨系列(完整11集·无断层版)
数据库·python·算法
凌波粒9 小时前
LeetCode--383.赎金信(哈希表)
java·算法·leetcode·散列表
沐风___9 小时前
解锁协作式 AI:Claude Agent Teams 架构与实战完全指南
人工智能·架构
诸神缄默不语9 小时前
如何选择合适的大模型(写给小白的LLM工具选型系列:第二篇)
人工智能·大模型
苦瓜小生9 小时前
一些Java后端面试AI相关问题的总结
人工智能
小程故事多_809 小时前
无 GitAI 依赖|企业 AI 编码合规管控 + 全生命周期追溯,实现效率与安全双向破局
人工智能·安全·架构·aigc·ai编程·harness