导读:本文包含了手性化合物论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:化合物,手性,己烯,构型,分子,化学,磁体。
手性化合物论文文献综述
丰明,朱先冬[1]（2019）在《手性化合物拆分方法之研究》一文中研究指出文章针对手性化合物拆分,首先分析手性化合物,了解基本概念,其次阐述手性化合物的叁个来源渠道,最后从结晶法、化学拆分法、酶法拆分法叁个方面论述手性化合物比较常用的拆分方法,提高拆分效果的同时,明确手性化合物分离重要作用。(本文来源于《化工管理》期刊2019年21期）
陈梦瑶[2]（2019）在《手性化合物的比旋光度预测及绝对构型自动识别》一文中研究指出手性化合物的绝对构型的实验检测通常是昂贵且耗时的,而比旋光度的理论预测可以辅助解决这一问题。本论文通过机器学习方法进行了对映体绝对构型的自动识别,并定量地预测了手性分子的比旋光度值,具体研究内容如下:1.手性离子液体的绝对构型的自动识别编码手性阳离子结构的PAS描述符与代表非手性阴离子的二进制指示变量相结合构成分子手性描述符。通过相向传播人工神经网络(CPG NN)进行手性离子液体的比旋光度预测。输出层的映射图清楚地显示了PAS描述符具有区分左旋和右旋化合物的能力,并将具有高比旋光度绝对值的化合物分配到特定的区域。此外,CPG网络揭示了含有不同阴离子的离子液体所覆盖化学空间的多样性,并使阳离子、阴离子和比旋光度之间的关系可视化。CPG NN最终定量预测的结果为:测试集的RMSE=22°。基于相同的数据集和手性描述符,CPG NN正确地识别了测试集中大部分对映体的绝对构型。由于PAS描述符属于分类指数,而且在定量预测中,监督的机器学习法往往优于半监督的CPG网络,所以我们又提出了定量的ePAS描述符,并利用多层感知器(MLP),随机森林(RF)和多线性回归(MLR)建立定量预测模型。其中,结果最好的模型为:将PAS和ePAS描述符结合,递交到RF中进行变量选择,然后使用最相关的30维描述符建立RF模型。最终,相应的训练集和测试集的RMSE均在10°~11°之间。所得定量结果明显优于使用PAS描述符的结果。若将RF应用于定性预测,则所得模型能正确地识别测试集中95%对映体的绝对构型。2.手性氟化物的比旋光度预测采用PAS描述符代表44对手性氟化物对映体,建立了定性与定量的比旋光度预测模型。对于定性预测,采用+1和-1代表比旋光度的符号作为CPG网络的输出。训练集中的化合物在映射图上的分布验证了PAS描述符具有区分左旋和右旋氟化物的能力。将测试集的PAS描述符也映射到训练过的CPG NN中,测试集的8对对映体显示在被激活的神经元上并正确分类。对于整个数据集进行leave one-pair out交叉验证,44对中有41对对映体的绝对构型被正确地识别。以上结果表明,建立的定性模型令人满意,可以正确地识别大部分的L-化合物和D-化合物。分别采用PAS,PAS+ePAS和cPAS描述符表示手性氟化物的结构,建立定量模型。由于不相关的变量可能会增加计算的复杂性并导致分类的准确性降低,因此我们基于RF的变量重要性选择描述符,并将其用于定量构效关系研究。其中,由手性氟化物共有的结构特征衍生的cPAS描述符得到了包含11个变量的子集。采用这个子集所建立的RF模型得到了最好的定量预测结果。对于整个数据集的leave one-pair out交叉验证,其结果为R=0.969,RMSE=11.4°。此外,数据集中有30个化合物的比旋光度是在氯仿中测量的,我们使用机器学习的方法预测了这30个化合物的比旋光度,并与文献中量子化学的计算结果进行了对比。结果表明,机器学习法不仅可以快速预测氟化物的比旋光度,同时能够达到量子化学计算的准确度。3.仲醇手性拆分的主产物的绝对构型预测从文献中挑选出了34个仲醇及以它们为反应底物在同一条件下进行手性拆分得到的对映体产物和对映体过量值(ee)。为了预测对映体产物中主产物的绝对构型,分别用+1代表主产物和-1代表次产物。采用PAS描述符描述仲醇对映体,并分别通过CPG网络、多层感知器(MLP)、多元线性回归(MLR)和随机森林(RF)建立定性预测模型。所得结果指出,整个数据集交叉验证的正确率为97%~100%。此外,根据RF、M5和Greedy选择的变量,我们发现轨道的电负性和电荷密度对预测主产物的绝对构型起着重要的作用。(本文来源于《河南大学》期刊2019-06-01）
张硕,廖港,史炳锋[3]（2019）在《含有五元杂芳结构的联芳轴手性化合物的对映选择性合成》一文中研究指出轴手性联芳化合物广泛存在于天然产物和药物分子中,并作为手性配体和催化剂应用于不对称合成.因此,其不对称合成备受关注.然而,目前已知的合成方法大多局限于合成以C-C键为轴的六元联芳结构,而以C-C键或C-N键连接的含有五元杂芳环的联芳轴手性化合物的合成方法却鲜有报道.含有五元杂芳环的轴手性结构其邻位基团与中心轴的距离更远,构象稳定性更差,因而其不对称构建更加困难.综述了五元杂芳轴手性骨架的对映选择性合成的最新进展.(本文来源于《有机化学》期刊2019年06期）
王一辰[4]（2019）在《氮自由基相关的单分子磁体及手性化合物的研究》一文中研究指出自由基是具有未成对电子的化合物,通常性质不稳定,易于发生聚合、偶联、歧化等反应。随着稳定自由基的方法越来越多,越来越多的自由基被分离出来并在固体催化剂、锂离子电池、导电材料、高密度信息存储、分子识别以及生物影像等诸多领域表现出巨大的潜力。本篇论文围绕含氮自由基,研究了2-2'联嘧啶和联萘叁芳胺两个体系,结合量子化学理论计算对得到的自由基做了一系列的表征与性质研究。本论文的主要工作列举如下:一、利用低价过渡金属LM~Ⅰ(tol)(L=CH(MeC=NDipp)_2,Dipp=2,6-iPr_2C_6H_3,tol=toluene,M=Co and Fe)在配位过程中易发生电子转移的特点与联嘧啶分子配位,得到了由负二价抗磁性联嘧啶阴离子桥连的双核过渡金属Co~Ⅱ配合物1和Fe~Ⅱ配合物3。该配合物易于氧化,采用[Cp_2Fe][BPh_4]对其进行一倍氧化后将作桥联基团的负二价抗磁性联嘧啶阴离子转变为负一价顺磁性联嘧啶自由基阴离子,得到氧化后的配合物2和4。自由基配体与金属离子间产生强的磁交换耦合,迫使金属离子的自旋方向与自由基自旋相反排列,从而最终使金属离子之间的自旋平行排列,使钴的配合物2产生单分子磁体性质,而配合物1没有单分子磁体性质。将配合物2还原回1就可使配合物的单分子磁体磁性转变为“关”的状态,从而使其成为可通过氧化还原调控磁性开关的单分子磁体。二、通过引入手性的联萘基团作骨架合成了非常低对称性的手性四芳基联萘二胺5,采用银离子对5进行了一倍与两倍氧化来研究其生成的自由基性质。在使用AgSbF_6单倍氧化得到的混合价态单自由基6中,自旋不再通过共轭而是通过π-π作用离域到两个三芳胺上,并且在磁性测试中观察到了分子间通过π-π作用引起的较弱电子耦合。在使用Ag{Al[OC(CF_3)_3]_4}二倍氧化的产物7中,并未得到所预期的双自由基产物,而是得到了发生碳碳偶联后的单自由基螺环化合物,自旋只分布在其中一个叁芳胺上,而另一个则形成了胺阳离子。圆二色谱表明6和7都是具有手性的自由基。(本文来源于《南京大学》期刊2019-05-12）
黄利飞[5]（2019）在《牛血清白蛋白修饰的杂化硅胶整体柱的制备和手性化合物分离中应用》一文中研究指出采用甲基叁甲氧基硅烷作为单一硅烷,甲醇作为溶剂,硝酸作为催化剂,在常规的不锈钢柱中制备出杂化硅胶整体柱,该整体柱有稳定的网状结构和尺寸可控的优势。通过条件的优化,得到不同孔径和骨架直径的杂化整体柱。将整体柱修饰后,在杂化整体柱表面共价键合上牛血清白蛋白,成功制备出叁种手性整体柱。将手性整体柱与液相色谱联用,用于拆分手性化合物对映体。通过色谱条件的优化,成功实现了手性小分子和手性药物分子的基线分离。第一章:本文简述了手性拆分的意义,常用手性化合物的拆分的方法和手性固定相合成的方法,以及手性整体柱的研究进展。第二章:通过溶胶凝胶方法,以甲基叁甲氧基硅烷作为硅源,甲醇作为溶剂,硝酸作为催化剂,制备出杂化硅胶整体柱,并优化了制备整体柱的条件。然后在杂化整体柱中接枝3-氨丙基叁甲氧基硅烷,制备氨基化的杂化整体柱,再与戊二醛反应,制备出表面含有醛基的杂化整体柱,最后,将牛血清白蛋白动态接枝在杂化整体柱上。用扫描电镜、红外等方法对整体柱进行了表征,结果表明整体柱获得可控孔道和骨架以及目标物质成功接枝。考察了动态接枝牛血清白蛋白的条件,其最大接枝量为48.6 mg/g。将手性整体柱与液相色谱联用,在优化的色谱条件下,成功实现了手性化合物色氨酸的对映体分离,其分离度最高达到3.05。并且成功实现了手性药物分子匹多莫德的基线分离。第叁章:基于环氧基开环反应,以整体柱为基质,制备了新型手性整体柱,将其与液相色谱联用,成功应用于手性化合物的分离分析。在常规的不锈钢色谱柱中,通过溶胶凝胶法,制备杂化硅胶整体柱,在杂化整体柱表面接枝上γ-(2.3-环氧丙基)丙基叁甲氧基硅烷,然后利用高碘酸的氧化反应,在整体柱表面形成醛基,最后通过席夫碱的方式,将牛血清白蛋白固定在杂化整体柱上。采用扫描电子显微镜、红外等方法对整体柱进行表征,结果表明整体柱结构稳定,目标物质成功接枝。优化了接枝牛血清白蛋白的条件,其最大接枝量为58.3 mg/g。将手性整体柱与液相色谱联用,在优化的色谱条件下,实现了对手性化合物色氨酸的基线分离,其最大分离度为4.78。并成功实现了手性药物分子阿替洛尔的基线分离。第四章:将第叁章制备的表面含有醛基的杂化整体柱表面与聚乙烯亚胺反应,再与戊二醛反应,通过席夫碱的方式,将牛血清白蛋白接枝到新修饰的杂化整体柱上。采用扫描电子显微镜、红外等方法对制备的整体柱进行表征,结果表明整体柱结构稳定,目标物质成功接枝。优化了蛋白的接枝条件,最大接枝量为56.1 mg/g。将手性整体柱与液相色谱联用,在优化的色谱条件下,实现了对手性化合物安息香的基线分离,其最大分离度为3.78。手性固定相表现出较好的方法重复性和重复使用性。(本文来源于《河北大学》期刊2019-05-01）
潘重庆[6]（2019）在《过渡金属催化的联芳基轴手性化合物多样性合成研究》一文中研究指出联芳基阻旋手性化合物作为一类重要的轴手性化合物,广泛分布于天然产物和活性生物分子中,同时也是众多优势配体或催化剂的核心骨架,结构上分为非桥链和桥链的联芳基轴手性化合物。目前构建联芳基轴手性化合物的方法主要包括从头合成芳环、不对称芳基-芳基的交叉偶联反应、氧化偶联反应、去对称化、以及(动态)动力学拆分等。本论文的研究主要是基于过渡金属催化来构建联芳基轴手性化合物。主要分为两个部分:第一,钯催化不对称合成2-芳基环己烯酮轴手性“平台分子”研究;第二,铜催化Sommelet-Hauser重排反应研究。第一章:除了氧化偶联反应外,目前不对称芳基-芳基的交叉偶联反应是最直接构建联芳基轴手性化合物的方法之一,但常具有较大的底物局限性,例如底物邻位取代基性质发生了改变,往往就需要新的催化体系来获得满意的对映选择性。为了解决经典偶联反应底物局限性的问题,我们课题组提出合成“平台分子”的策略:通过同一分子多样性合成其他种类的轴手性分子。在苯乙烯-芳烃骨架的轴手性化合物的基础上,完成了基于α,β-不饱和酮-芳烃骨架的轴手性化合物实现联芳基轴手性化合物多样性的合成。利用改造的BoPhoz配体高对映选择性合成了刚性较小的2-芳基环己烯酮轴手性“平台分子”;对“平台分子”进行衍生化,合成了高ee值的苯酚类、咔唑类、苯胺碳酸酯类、苯醌类和碘苯类等不同邻位取代基的联芳基轴手性化合物。第二章:非手性的联芳基六元氮杂环状化合物与手性金属卡宾原位生成氮叶立德,反应生成了与Stevens重排相互竞争的Sommelet-Hauser重排的螺环产物。已有的文献通过Sommelet-Hauser重排构建螺环化合物的报道仅有一例,而且存在反应的选择性、底物普适性较差等问题。而我们发展的扭转张力促进的铜催化Sommelet-Hauser重排反应选择性、底物普适性良好,产物可进一步衍生为醇类、多环化合物等。模型反应的研究表明扭转张力极大地促进了 Sommelet-Hauser重排,增强了对该反应机理的认知。(本文来源于《中国科学技术大学》期刊2019-04-01）
段正超,张华林,高振华[7]（2018）在《手性化合物分离材料研究进展》一文中研究指出手性化合物在自然界中普遍存在,而手性化合物的异构体往往存在不同的生理活性,因此,手性化合物的分离一直是人们关注和研究的热点话题.手性化合物的分离和分析在药物化学、生物化学和有机化学中也变得越来越重要和迫切.手性药物的分析和分离对药物、临床和病理学的研究具有重要意义,同时也具有很高的学术价值和经济价值.本文对手性化合物分离材料的研究进展进行了简要综述.(本文来源于《湖北民族学院学报(自然科学版)》期刊2018年04期）
廖旭,蒋岩,赖石林,刘源岗,王士斌[8]（2019）在《化学-酶多步串联反应及其在高附加值手性化合物高效、绿色合成中的应用》一文中研究指出与化学催化或酶催化合成相比,化学-酶相结合的多步串联反应是一种更简单、高效、经济的方法,兼具酶催化剂的高效、高选择性等优点,且合成原料价廉易得,合成工艺简捷高效,生产环境绿色友好,所得产品光学纯度高,使其在高附加值手性化合物的开发和合成方面得到了广泛的应用.近年来,化学家们通过改变催化剂和设计更为合理的反应方式,致力于将化学-酶催化反应条件变得更为容易,从而将其应用于更多反应领域.综述了近年来国内外化学-酶多步串联反应,如酶与金属催化、酶与有机催化、酶与新型反应技术等相结合多步串联合成手性醇类、环氧类、杂环类以及其他手性化合物的研究进展,并对该领域的发展趋势进行了展望.(本文来源于《有机化学》期刊2019年03期）
[9]（2018）在《含有磺酰基的苯乙烯型轴手性化合物的不对称合成》一文中研究指出J. Am. Chem. Soc. 2018, 140, 7056～7060轴手性骨架存在于许多重要的生物活性大分子中,并且是许多手性催化剂、手性配体的核心组成部分.在大家熟知的轴手性化合物中,绝大多数具有联芳基骨架,而苯乙烯型轴手性化合物作为一种结构新颖的轴手性骨架自1991年被Kawabata等提出后鲜有报道,主要原因在于苯乙烯型轴手性化合物中C—C键轴的旋转能垒较低,易消旋(本文来源于《有机化学》期刊2018年09期）
丁琳琳[10]（2018）在《基于钯/降冰片烯共催化的串联反应构建轴手性化合物》一文中研究指出本文主要研究了利用钯和手性配体催化、降冰片烯作媒介的叁组分偶联反应,一步高效地构建轴手性联芳基化合物。主要通过包括以下两章内容:第一章分别介绍了构建轴手性化合物和Catellani反应的研究进展。代表性的构建轴手性的方法是通过不对称催化手段将两片段反应物偶联直接构建手性轴。同时,对消旋或潜手性联芳基化合物的不对称官能化来获得轴手性化合物也是另一主要手段。重新构建芳环或从中心手性底物转轴手性等新型的方法近年来也被陆续发展。Catellani反应从被发现至今一直被广泛研究,芳环上可以被引入的取代基种类已经相当丰富,取代基团可以是各种碳取代基以及N、O、S等杂原子基团,但是利用Catellani反应做不对称合成的工作很少被报道。第二章介绍了 Catellani反应构建轴手性联芳基化合物的相关工作。我们以1-碘萘衍生物作为底物,在碘邻位引入官能化的单碳取代基,再在原位与邻甲酰基苯硼酸衍生物偶联,合成了一系列2-甲酰基取代的联芳基轴手性化合物。筛选并合成了一种膦手性的P,C-配体可以得到最优的反应性和对映选择性,官能团兼容性也较好。对产物的进一步转化可以得到很其他官能团的轴手性联芳基产物。(本文来源于《中国科学技术大学》期刊2018-06-04）
手性化合物论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
手性化合物的绝对构型的实验检测通常是昂贵且耗时的,而比旋光度的理论预测可以辅助解决这一问题。本论文通过机器学习方法进行了对映体绝对构型的自动识别,并定量地预测了手性分子的比旋光度值,具体研究内容如下:1.手性离子液体的绝对构型的自动识别编码手性阳离子结构的PAS描述符与代表非手性阴离子的二进制指示变量相结合构成分子手性描述符。通过相向传播人工神经网络(CPG NN)进行手性离子液体的比旋光度预测。输出层的映射图清楚地显示了PAS描述符具有区分左旋和右旋化合物的能力,并将具有高比旋光度绝对值的化合物分配到特定的区域。此外,CPG网络揭示了含有不同阴离子的离子液体所覆盖化学空间的多样性,并使阳离子、阴离子和比旋光度之间的关系可视化。CPG NN最终定量预测的结果为:测试集的RMSE=22°。基于相同的数据集和手性描述符,CPG NN正确地识别了测试集中大部分对映体的绝对构型。由于PAS描述符属于分类指数,而且在定量预测中,监督的机器学习法往往优于半监督的CPG网络,所以我们又提出了定量的ePAS描述符,并利用多层感知器(MLP),随机森林(RF)和多线性回归(MLR)建立定量预测模型。其中,结果最好的模型为:将PAS和ePAS描述符结合,递交到RF中进行变量选择,然后使用最相关的30维描述符建立RF模型。最终,相应的训练集和测试集的RMSE均在10°~11°之间。所得定量结果明显优于使用PAS描述符的结果。若将RF应用于定性预测,则所得模型能正确地识别测试集中95%对映体的绝对构型。2.手性氟化物的比旋光度预测采用PAS描述符代表44对手性氟化物对映体,建立了定性与定量的比旋光度预测模型。对于定性预测,采用+1和-1代表比旋光度的符号作为CPG网络的输出。训练集中的化合物在映射图上的分布验证了PAS描述符具有区分左旋和右旋氟化物的能力。将测试集的PAS描述符也映射到训练过的CPG NN中,测试集的8对对映体显示在被激活的神经元上并正确分类。对于整个数据集进行leave one-pair out交叉验证,44对中有41对对映体的绝对构型被正确地识别。以上结果表明,建立的定性模型令人满意,可以正确地识别大部分的L-化合物和D-化合物。分别采用PAS,PAS+ePAS和cPAS描述符表示手性氟化物的结构,建立定量模型。由于不相关的变量可能会增加计算的复杂性并导致分类的准确性降低,因此我们基于RF的变量重要性选择描述符,并将其用于定量构效关系研究。其中,由手性氟化物共有的结构特征衍生的cPAS描述符得到了包含11个变量的子集。采用这个子集所建立的RF模型得到了最好的定量预测结果。对于整个数据集的leave one-pair out交叉验证,其结果为R=0.969,RMSE=11.4°。此外,数据集中有30个化合物的比旋光度是在氯仿中测量的,我们使用机器学习的方法预测了这30个化合物的比旋光度,并与文献中量子化学的计算结果进行了对比。结果表明,机器学习法不仅可以快速预测氟化物的比旋光度,同时能够达到量子化学计算的准确度。3.仲醇手性拆分的主产物的绝对构型预测从文献中挑选出了34个仲醇及以它们为反应底物在同一条件下进行手性拆分得到的对映体产物和对映体过量值(ee)。为了预测对映体产物中主产物的绝对构型,分别用+1代表主产物和-1代表次产物。采用PAS描述符描述仲醇对映体,并分别通过CPG网络、多层感知器(MLP)、多元线性回归(MLR)和随机森林(RF)建立定性预测模型。所得结果指出,整个数据集交叉验证的正确率为97%~100%。此外,根据RF、M5和Greedy选择的变量,我们发现轨道的电负性和电荷密度对预测主产物的绝对构型起着重要的作用。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
手性化合物论文参考文献
[1].丰明,朱先冬.手性化合物拆分方法之研究[J].化工管理.2019
[2].陈梦瑶.手性化合物的比旋光度预测及绝对构型自动识别[D].河南大学.2019
[3].张硕,廖港,史炳锋.含有五元杂芳结构的联芳轴手性化合物的对映选择性合成[J].有机化学.2019
[4].王一辰.氮自由基相关的单分子磁体及手性化合物的研究[D].南京大学.2019
[5].黄利飞.牛血清白蛋白修饰的杂化硅胶整体柱的制备和手性化合物分离中应用[D].河北大学.2019
[6].潘重庆.过渡金属催化的联芳基轴手性化合物多样性合成研究[D].中国科学技术大学.2019
[7].段正超,张华林,高振华.手性化合物分离材料研究进展[J].湖北民族学院学报(自然科学版).2018
[8].廖旭,蒋岩,赖石林,刘源岗,王士斌.化学-酶多步串联反应及其在高附加值手性化合物高效、绿色合成中的应用[J].有机化学.2019
[9]..含有磺酰基的苯乙烯型轴手性化合物的不对称合成[J].有机化学.2018
[10].丁琳琳.基于钯/降冰片烯共催化的串联反应构建轴手性化合物[D].中国科学技术大学.2018
论文知识图
