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
RockChinQ几秒前
没有服务器,也能在 QQ 群里养一只大肥鱼
人工智能·机器人·开源
vibecoding773 分钟前
2026国内MaaS平台可信度横评:信通院认证、SLA、计费透明、数据安全四维对照表
人工智能·大模型
海宇AI4 分钟前
零信任架构实战:基于海宇学籍核验三要素构建自动化文旅景区学生票核验网关
大数据·人工智能·架构·自动化
软件派8 分钟前
Orbit 多场景智能应用落地指南
人工智能·orbit
智塑未来9 分钟前
AI视频翻译配音工具怎么选?5款工具的链路覆盖对比
人工智能·音视频
正在走向自律12 分钟前
DeepSeek 最新开源模型 Windows 本地部署完全指南(2026 版)
人工智能·开源·本地部署大模型·deepseek·推理服务·windows本地部署
上海云盾-小余16 分钟前
七层 CC 攻击检测难点:如何区分真实用户与攻击请求
网络·人工智能·windows·tcp/ip·udp
Ven%19 分钟前
在魔搭 Notebook 容器里跑 Qwen Code:从零配置到省魔粒的完整实践
人工智能·python·ai·ai编程·modelscope
白露与泡影36 分钟前
从 GLM 到 GPT,HarnessPro 如何用 RSI 降低 Agent 成本
人工智能·gpt·机器学习