4-[(3-羟基苯基)氨基]-4-氧代丁酸 | 16141-43-8

• 分子结构分类: 有机化合物 - 苯类化合物 - 苯和取代衍生物
• 中文名称: 4-[(3-羟基苯基)氨基]-4-氧代丁酸
• 英文名称: Bernsteinsaeure-mono-(3-hydroxy-anilid)
• 英文别名: 4-(3-Hydroxyanilino)-4-oxobutanoic acid
• CAS: 16141-43-8
• 化学式: C₁₀H₁₁NO₄
• mdl: MFCD00761518
• 分子量: 209.202
• InChiKey: TYCMBBJHYNTEAJ-UHFFFAOYSA-N

物化性质

• 熔点：
  170 °C(Solv: methanol (67-56-1))
• 沸点：
  535.4±35.0 °C(Predicted)
• 密度：
  1.407±0.06 g/cm3(Predicted)

计算性质

• 辛醇/水分配系数(LogP)：
  0.2
• 重原子数：
  15
• 可旋转键数：
  4
• 环数：
  1.0
• sp3杂化的碳原子比例：
  0.2
• 拓扑面积：
  86.6
• 氢给体数：
  3
• 氢受体数：
  4

安全信息

• 海关编码：
  2924299090

反应信息

• 作为反应物：
  描述：

  4-[(3-羟基苯基)氨基]-4-氧代丁酸 、 sodium acetate 以 乙酸酐 为溶剂， 生成 3-(2,5-Dioxopyrrolidin-1-yl)phenyl acetate
  参考文献：
  名称：

  ¹ H and ¹³ C NMR spectra for a series of arylmaleamic acids, arylmaleimides, arylsuccinamic acids and arylsuccinimides

  摘要：

  DOI：

  10.1002/(sici)1097-458x(199909)37:9<682::aid-mrc500>3.0.co;2-#
• 作为产物：
  描述：

  丁二酸酐 、 3-氨基苯酚 以 四氢呋喃 为溶剂， 生成 4-[(3-羟基苯基)氨基]-4-氧代丁酸
  参考文献：
  名称：

  琥珀酸和马来酸衍生物对乙酰胆碱酯酶的可逆和不可逆的抑制活性。

  摘要：

  芳基琥珀酸和马来酸衍生物是体外牛乙酰胆碱酯酶的有效抑制剂。琥珀酸氨基苯酚衍生物1b-e和2b-d充当乙酰胆碱酯酶的可逆抑制剂，而马来酸氨基苯酚衍生物3b-d和4c-e充当胆碱亚位定向的不可逆抑制剂，通过在有烯酮存在下进行透析检测。确定了在几种不同抑制剂浓度下绘制的乙酰胆碱水解速度对数与孵育时间之间的线性关系。确定了可逆竞争抑制剂的K（i）。对于不可逆抑制剂，还确定了在识别过程开始时酶抑制剂复合物的解离常数K（i）以及酶抑制剂加合物形成k（+2）和双分子抑制剂的失活常数常数k（i）被氨基酚衍生物3b-d和4c-e抑制乙酰胆碱酯酶。对于这两个家族，本研究的结论可总结如下：（a）芳族部分在识别活性位点中起关键作用；（b）对于可逆抑制剂，当酯功能取代羟基片段时，亲和力有了重要的提高；（c）酚羟基与氮之间的距离至关重要，因为这种抑制作用是邻位<

  DOI：

  10.1016/s0928-0987(03)00023-x

文献信息

• Artificial Intelligence-Assisted Optimization of Antipigmentation Tyrosinase Inhibitors: De Novo Molecular Generation Based on a Low Activity Lead Compound
  作者：Hong Cai、Wenchao Chen、Jing Jiang、Hao Wen、Xinyu Luo、Junjie Li、Liuxin Lu、Rui Zhao、Xinhua Ni、Yinyan Sun、Jiahui Wang、Zhen Li、Bin Ju、Xiaoying Jiang、Renren Bai

  DOI：10.1021/acs.jmedchem.4c00091

  日期：2024.5.9

  Artificial intelligence (AI) de novo molecular generation is a highly promising strategy in the drug discovery, with deep reinforcement learning (RL) models emerging as powerful tools. This study introduces a fragment-by-fragment growth RL forward molecular generation and optimization strategy based on a low activity lead compound. This process integrates fragment growth-based reaction templates, while

  人工智能 (AI)从头分子生成是药物发现中非常有前途的策略，深度强化学习 (RL) 模型正在成为强大的工具。本研究介绍了基于低活性先导化合物的逐片段生长 RL 正向分子生成和优化策略。该过程集成了基于片段生长的反应模板，同时进行靶标对接和药物相似性预测。这种综合方法考虑了分子相似性、内部多样性、可合成性和有效性，从而提高了分子生成的质量和效率。最终生成并合成了一系列酪氨酸酶抑制剂。大多数化合物表现出比铅更好的活性，最佳候选化合物超越了曲酸的效果，并在斑马鱼模型中表现出显着的抗色素沉着活性。此外，代谢稳定性研究表明对肝脏代谢的敏感性。所提出的人工智能结构优化策略将在加速药物发现和提高传统效率方面发挥重要作用。
• US4550172A
  申请人：——

  公开号：US4550172A

  公开（公告）日：1985-10-29