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
腾渊信息科技公司1 分钟前
腾渊科技重磅出品——工业软件智能化落地指南:从AI辅助到AI原生的架构演进
人工智能·科技·ai-native
2401_865261634 分钟前
亦唐科技(YIKTONG):国产贴片机行业的技术先锋与市场领军者
人工智能·科技
一个低调的青年4 分钟前
电池健康状态估计(一)
经验分享·笔记·其他·算法·模型
longlongzihan10 分钟前
【LeetCode 204. 计数质数】从暴力枚举到埃拉托斯特尼筛法
算法·筛法
Dream-Y.ocean10 分钟前
懂你的情绪,记得你在意的事 - 知暖如何用端到端具身交互智能重构 AI 情感陪伴
人工智能·重构·交互
IT_陈寒12 分钟前
用Vue时这个响应式陷阱坑了我一整天
前端·人工智能·后端
alphaTao13 分钟前
LeetCode 每日一题 2026/9/21-2026/9/27
python·算法·leetcode
bing.shao14 分钟前
不点鼠标的AI:GPT-6 Astra 推开「软件操作层时代」
人工智能·gpt
围炉聊科技14 分钟前
你从IDE切到ADE了吗?智能体开发环境赛道地图——智能体基建系列
ide·人工智能
jeffsonfu16 分钟前
生成对抗网络(GAN)原理:生成器与判别器的“猫鼠游戏”
人工智能·游戏·生成对抗网络