跳到正文
Journal of the American Chemical Society· Lucca Pfitzer; Julia A. Turner; Adrian Bürstner; Felix Göbel; Bernd Maier; Johanna Osterbrink; Johannes Kästner; Matthew S. Sigman; René Peters·· 来源仅提供日期AI 评分42

相互作用感知建模驱动的可预测甜菜碱有机催化剂平台,用于不对称1,3-偶极环加成

A Predictive Betaine Organocatalyst Platform for Asymmetric 1,3-Dipolar Cycloadditions Enabled by Interaction-Aware Modeling

AI 导读

一种手性咪唑鎓/芳氧基甜菜碱有机催化剂平台被用于CH-酸性亚胺与马来酰亚胺的不对称1,3-偶极环加成,转化数最高达3000且保持高对映选择性。组合式催化剂-底物筛选结合描述符统计建模显示,对映选择性由催化剂-底物匹配效应主导,不存在普适最优催化剂。所得模型还能对未见催化剂和结构不同的底物类别进行对映选择性前瞻预测。

已发表论文 · journal · 10.1021/jacs.6c15837

本站摘要基于收录版本 v1(2026-11-06),原始摘要与 AI 导读固定保留。

IF(5) 16.1 · 2025 · 期刊参考指标

摘要 · AI 翻译

预测不对称(有机)催化中的对映选择性仍是一项长期挑战,尤其在立体控制由弱的、高度柔性的且依赖底物的非共价相互作用主导的体系中。在此类情形下,基于过渡态的简化 DFT 分析可能变得不可靠,原因是存在多个低能量构象、相互竞争的结合模式以及替代反应路径。我们引入了一种此前未被探索的手性咪唑鎓/芳氧负离子两性离子有机催化剂平台,用于 CH-酸性亚胺与马来酰亚胺的不对称 1,3-偶极环加成反应,其效率极高,转化数可达 3000,同时保持高水平的对映控制。为克服过渡态导向催化剂优化的局限性,并实现超越机理直觉限制的预测性控制,我们将组合式催化剂-底物筛选与基于描述符的统计建模相结合。对所得数据集的分析表明,没有单一催化剂在整个底物空间中普遍最优;相反,对映选择性由催化剂-底物匹配效应所支配。由此建立的模型能够识别与选择性相关的分子特征,并可对先前未见过的催化剂以及一类结构不同的底物进行对映选择性的前瞻性预测。这些发现确立了高效的无金属氮杂甲亚胺叶立德环加成反应,并展示了注重相互作用的数据驱动模型如何在复杂的不对称催化体系中提供预测性控制。

来源:Journal of the American Chemical Society · doi.org