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
秒云1 天前
MIAOYUN | 每周AI新鲜事儿 260212
人工智能·语言模型·aigc·ai编程
努力学算法的蒟蒻1 天前
day84(2.12)——leetcode面试经典150
算法·leetcode·面试
程序员酥皮蛋1 天前
hot 100 第二十三题 23.反转链表
数据结构·算法·leetcode·链表
纪伊路上盛名在1 天前
本地部署ColabFold, 实现蛋白质结构预测全自由
深度学习·神经网络·alphafold·计算生物学·蛋白质·结构预测·蛋白质折叠
QYR_111 天前
2026-2032年耳轴夹具行业洞察:核心应用驱动下的市场增长路径
人工智能
TracyCoder1231 天前
LeetCode Hot100(51/100)——155. 最小栈
数据结构·算法·leetcode
硅谷秋水1 天前
一个务实的VLA基础模型
人工智能·深度学习·机器学习·计算机视觉·语言模型·机器人
wangqiaowq1 天前
Modbus TCP/RTU、OPC UA 和 MQTT 是工业自动化和物联网(IoT)领域中常用的通信协议
人工智能
大模型任我行1 天前
阿里:LLM结构化数学推理评测基准
人工智能·语言模型·自然语言处理·论文笔记
wu_asia1 天前
每日一练叁
算法