3-[(2,4-二甲基苯基)氨基]-3-氧代丙酸 | 58271-38-8

• 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: 3-[(2,4-二甲基苯基)氨基]-3-氧代丙酸
• 英文名称: N-(2,4-dimethyl-phenyl)-malonamic acid
• 英文别名: N-(2,4-Dimethyl-phenyl)-malonamidsaeure；3-[(2,4-Dimethylphenyl)amino]-3-oxopropanoic acid；3-(2,4-dimethylanilino)-3-oxopropanoic acid
• CAS: 58271-38-8
• 化学式: C₁₁H₁₃NO₃
• 分子量: 207.229
• InChiKey: BIJQKKGPZNKXKX-UHFFFAOYSA-N

物化性质

• 熔点：
  158-159 °C(Solv: ethanol (64-17-5))
• 沸点：
  426.3±33.0 °C(Predicted)
• 密度：
  1.246±0.06 g/cm3(Predicted)

计算性质

• 辛醇/水分配系数(LogP)：
  1.7
• 重原子数：
  15
• 可旋转键数：
  3
• 环数：
  1.0
• sp3杂化的碳原子比例：
  0.27
• 拓扑面积：
  66.4
• 氢给体数：
  2
• 氢受体数：
  3

安全信息

• 海关编码：
  2924299090

反应信息

• 作为反应物：
  描述：

  3-[(2,4-二甲基苯基)氨基]-3-氧代丙酸 生成 6,8-dimethyl 4-hydroxy carbostyril
  参考文献：
  名称：

  LUTZ R. E.; SANDERS J. M., J. MED. CHEM. , 1976, 19, NO 3, 407-410

  摘要：

  DOI：
• 作为产物：
  描述：

  N,N''-二-(2,4-二甲基-苯基)-丙二酰胺 以75%的产率得到
  参考文献：
  名称：

  LUTZ R. E.; SANDERS J. M., J. MED. CHEM. , 1976, 19, NO 3, 407-410

  摘要：

  DOI：

文献信息

• Antimalarials. 11. 2-Vinylogs of substituted 2-aryl-4-quinoline amino alcohols
  作者：Robert E. Lutz、J. Milton Sanders

  DOI：10.1021/jm00225a014

  日期：1976.3

  3-(P-Chlorobenzylidene)-5, 7-dimethyl-2, 3-dihydro-1H-cyclopenta[b]quinoline-9-(di-n-butylaminomethyl)methanol and 2-[beta-(p-chlorostyryl)]-6, 8-dimethylquinoline-4-(di-n-butylaminomethyl)methanol were synthesized from 6, -8-dimethyl-4-hydroxycarbostyril by 3, 3-dichlorination, dimethoxylation th the 3-ketal, basic hydrolysis to the glyoxal acetal, Pfitzinger condensation with cylopentanone or acetone

  3-（对氯亚苄基）-5、7-二甲基-2、3-二氢-1H-环戊[b]喹啉-9-（二正丁基氨基甲基）甲醇和2-β-（对氯苯乙烯基）]由6，-8-二甲基-4-羟基卡斯蒂尔通过3，3-二氯化，3-甲氧基二甲氧基化，3-酮基的二甲氧基化反应合成了-6，8-二甲基喹啉-4-（二-正丁基氨基甲基）甲醇。 ，Pfitzinger与环戊烷酮或丙酮缩合为2，3-三亚甲基或2-甲基喹啉，与p-ClPhCHO在2-亚甲基或2-甲基缩合，水解为4-喹醛，亚甲基化为环氧化物，并与Bu2NH。两者均对小鼠伯氏疟原虫具有治愈作用。第一种是更有效的：在10 mg / kg时有活性，在40 mg / kg时完全治愈，对动物只有轻度的光毒性。
• Artificial Intelligence-Assisted Optimization of Antipigmentation Tyrosinase Inhibitors: <i>De Novo</i> 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：——

  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。
• Ghatak et al., Agra University Journal of Research, Science, 1954, vol. 3, p. 489
  作者：Ghatak et al.

  DOI：——

  日期：——
• Ittyerah; Chellappa, Journal of the Indian Chemical Society, 1953, vol. 30, p. 387,389
  作者：Ittyerah、Chellappa

  DOI：——

  日期：——
• Prakash; Ittyerah, Agra University Journal of Research, Science, 1954, vol. 3, p. 481,483
  作者：Prakash、Ittyerah

  DOI：——

  日期：——