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
初学者↑2 分钟前
知识图谱+智能体的智慧旅游问答系统
人工智能·知识图谱·旅游
科技每日热闻4 分钟前
企业使用大模型顾虑数据泄露,推荐选用哪些安全可靠的生成式 AI 平台?
人工智能·ai
SelectDB技术团队8 分钟前
VARIANT 列接入网关 JSON 日志:建表、导入、子列查询与物化的完整步骤
大数据·数据库·人工智能·elasticsearch·搜索引擎·json·apache doris
余额瞒着我当琳8 分钟前
C++算法学习篇5--二分查找法
c++·学习·算法
涛思数据(TDengine)13 分钟前
TDengine IDMP 2.0.2 发布:元素关系可视化、数据建模与联邦查询三大升级
大数据·数据库·人工智能·时序数据库·tdengine·工业互联网·工业ai
康实训13 分钟前
现代家政服务与管理虚拟仿真实训室建设规划
人工智能·实训室·实训室建设
LDG_AGI16 分钟前
【口袋专家AI公开课】从0到1智能体开发:PPT专家Agent原理与实战
人工智能
起个名字费劲死了19 分钟前
基于灰度/形状的2D模板匹配
算法
杜 硕24 分钟前
归并排序详解
数据结构·算法·排序算法
俊哥V24 分钟前
每日 AI 研究简报 · 2026-10-13
人工智能·ai