キラルブレンステッド酸触媒によるアルケンの不斉異性化反応の開発

使用手性布朗斯台德酸催化剂开发烯烃不对称异构化反应

• 批准号: 22K14672
• 负责人: 辻 信弥
• 金额: $ 2.83万
• 依托单位: Hokkaido University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K14672/
• 关键词: 有機触媒; 不斉触媒; ブレンステッド酸; 炭化水素; 異性化

遷移金属触媒によるアルケンの不斉異性化反応は産業的にも用いられる優れた反応だが、一般的に基質適用範囲として配位可能なヘテロ原子を必要とすることに加え、高価な希少金属を触媒として用いなければならないという問題があった。本研究ではキラルブレンステッド酸を有機分子触媒として用いることにより、ヘテロ原子を持たないアルケンの不斉異性化反応の開発を目指す。本年度の研究としては、種々の基質および一連の不斉酸触媒を合成することで、基質、触媒、反応条件などについての詳細な検討を行った。その結果、シクロヘキサノン誘導体を基質として用いることで、良好な収率および中程度のエナンチオ選択性で反応が進行することを見出した。また本反応の触媒最適化の検討を加速させるにあたって機械学習によるモデル構築が役立つと考え、その枠組みを構築することにも成功した。具体的にはIDPi触媒によるアルケンの活性化を伴う不斉ヒドロアルコキシ化反応を題材として、検討を行った。種々の検討の結果、環状炭化水素置換基を多く含む触媒構造に最適化したような分子記述子を開発することにより、これまでの二次元記述子を用いた予測モデルよりも優れた相関が得られた。また、本予測モデルを用いることで中程度の選択性のデータから高選択性の触媒の構造を予測することに成功した。また自動合成装置による検討を組み合わせることで、実験から機械学習モデル構築までをシームレスに接続した枠組みを構築することに成功した。

Migration metal catalyst によるアルケンの不扉瀉られるExcellent れたreaction だが for the heterogeneous reaction industry, general に matrix applicable range 囲としてBit Possible なヘテロatomic をNecessary とすることに加え, 高価な西沙金It is a catalyst for the problem of using the catalyst. In this study, the organic molecular catalyst used in this study was いることにより, ヘテロatomic をhold たないアルケンの不斉 heterosexual reaction 応 の开発を Eye refers to す. This year's research is based on the synthesis of acid catalysts, substrates, catalysts, and reaction conditions.そのRESULTS, シクロヘキサノンinducing body を matrix として Use いることで, good なThe yield rate is medium and the reaction rate is high, and the reaction rate is high.また本濜のcatalyst optimizationの検questionをaccelerationさせるにあたってmachine learningによるThe モデルbuilds the Servant Standing Test and the その枠组みをbuilds the Successful した. The specific ID Pi catalyst is the active activation of the catalyst, and the reaction theme is the theme of the activity. The result of the research, the cyclic carbonized water substituent group and the catalyst structure were optimized and the molecular description was opened.発することにより、これまでの二dimensionalscribe子を用いた Predictionモデルよりも优れたrelatedが得られた.また、This prediction is that the いることで medium-level のデータから high-selection catalytic structure is expected to be successful することに.またautomatic synthesis deviceによる検questionをgroupみ合わせることで、実験からmachine learningモデルconstructed the までをシームレスにcontinues the 続した枠组みをconstructed the することにsuccessfulした.

项目成果

マックスプランク石炭研究所(ドイツ)

马克斯·普朗克煤炭研究所（德国）

Predicting Highly Enantioselective Catalysts Using Tunable Fragment Descriptors**

使用可调片段描述符预测高度对映选择性催化剂**

• DOI: 10.1002/anie.202218659
• 发表时间: 2023
• 期刊: Angewandte Chemie International Edition
• 作者: Tsuji Nobuya;Sidorov Pavel;Zhu Chendan;Nagata Yuuya;Gimadiev Timur;Varnek Alexandre;List Benjamin
• 通讯作者: List Benjamin

ストラスブール大学(フランス)

斯特拉斯堡大学（法国）