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
happymaker06263 小时前
LeetCodeHor100——438.找到字符串中所有的字母异位词
算法
Sam09273 小时前
Agent 如何节省 Token 成本:从 Prompt 到工程监控的系统化优化指南
人工智能·ai
西安邮电大学3 小时前
有关栈的经典算法题
java·后端·其他·算法·面试
拓朗工控3 小时前
边缘计算对工控机性能要求有多高?
人工智能·边缘计算·工控机·工业电脑
2501_906565123 小时前
AI辅助开发工具链2026版
人工智能
冬奇Lab3 小时前
Agent 系列(20):Harness 实战——从单文件到生产级模块包
人工智能·agent
雨辰AI3 小时前
从零搭建大模型本地运行环境|Python+CUDA 基础配置避坑大全
大数据·开发语言·人工智能·python·ai·ai编程·ai写作
qdprobot3 小时前
AIoT智能AI大模型对话打印机
人工智能
东方佑3 小时前
更新-WDLM-60M 外推崩溃根因分析报告
人工智能
humors2213 小时前
AI案例:创作-比较-决策
人工智能·程序人生·ai