Methyl 3-{[(5-bromothiophen-2-yl)carbonyl]amino}benzoate

• 分子结构分类: 有机化合物 - 苯类化合物 - 苯和取代衍生物
• 英文名称: Methyl 3-{[(5-bromothiophen-2-yl)carbonyl]amino}benzoate
• 英文别名: methyl 3-[(5-bromothiophene-2-carbonyl)amino]benzoate
• 化学式: C₁₃H₁₀BrNO₃S
• mdl: MFCD03072586
• 分子量: 340.197
• InChiKey: NNRJTOOVNUELEM-UHFFFAOYSA-N

计算性质

• 辛醇/水分配系数(LogP)：
  3.6
• 重原子数：
  19
• 可旋转键数：
  4
• 环数：
  2.0
• sp3杂化的碳原子比例：
  0.076
• 拓扑面积：
  83.6
• 氢给体数：
  1
• 氢受体数：
  4

反应信息

• 作为反应物：
  描述：

  Methyl 3-{[(5-bromothiophen-2-yl)carbonyl]amino}benzoate 在 四(三苯基膦)钯 、 水 、 caesium carbonate 、 potassium hydroxide 作用下， 以 四氢呋喃 、 1,4-二氧六环 、 甲醇 为溶剂， 反应 16.5h， 生成
  参考文献：
  名称：

  通过人工智能从头设计生物活性小分子。

  摘要：

  生成人工智能为分子设计提供了新的视角。我们首次提出了深度学习模型的前瞻性应用，用于设计具有所需活性的新药样化合物。为此，我们训练了一个循环神经网络来捕获一大组以 SMILES 字符串表示的已知生物活性化合物的构成。通过迁移学习，这个通用模型在识别类视黄醇 X 和过氧化物酶体增殖物激活受体激动剂方面进行了微调。我们合成了由生成模型设计的五种顶级化合物。其中四种化合物在基于细胞的测定中显示出纳摩尔至低微摩尔受体调节活性。显然，计算模型本质上捕获了相关的化学和生物学知识，而不需要明确的规则。这项研究的结果提倡使用生成人工智能进行前瞻性从头分子设计，并展示了这些方法在未来药物化学中的潜力。

  DOI：

  10.1002/minf.201700153
• 作为产物：
  描述：

  3-氨基苯甲酸甲酯 、 5-溴-2-羧基噻吩 在 4-二甲氨基吡啶 、 盐酸-N-乙基-Nˊ-(3-二甲氨基丙基)碳二亚胺 作用下， 以 四氢呋喃 为溶剂， 反应 4.0h， 生成 Methyl 3-{[(5-bromothiophen-2-yl)carbonyl]amino}benzoate
  参考文献：
  名称：

  通过人工智能从头设计生物活性小分子。

  摘要：

  生成人工智能为分子设计提供了新的视角。我们首次提出了深度学习模型的前瞻性应用，用于设计具有所需活性的新药样化合物。为此，我们训练了一个循环神经网络来捕获一大组以 SMILES 字符串表示的已知生物活性化合物的构成。通过迁移学习，这个通用模型在识别类视黄醇 X 和过氧化物酶体增殖物激活受体激动剂方面进行了微调。我们合成了由生成模型设计的五种顶级化合物。其中四种化合物在基于细胞的测定中显示出纳摩尔至低微摩尔受体调节活性。显然，计算模型本质上捕获了相关的化学和生物学知识，而不需要明确的规则。这项研究的结果提倡使用生成人工智能进行前瞻性从头分子设计，并展示了这些方法在未来药物化学中的潜力。

  DOI：

  10.1002/minf.201700153