(S)-bis(3,5-dimethyl-4-methoxy-phenyl)(pyrrolidin-2-yl)methanol

• 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: (S)-bis(3,5-dimethyl-4-methoxy-phenyl)(pyrrolidin-2-yl)methanol
• 英文别名: bis(4-methoxy-3,5-dimethylphenyl)-[(2S)-pyrrolidin-2-yl]methanol
• 化学式: C₂₃H₃₁NO₃
• 分子量: 369.504
• InChiKey: AVNTWZGBUQNFDZ-FQEVSTJZSA-N

计算性质

• 辛醇/水分配系数(LogP)：
  4.1
• 重原子数：
  27
• 可旋转键数：
  5
• 环数：
  3.0
• sp3杂化的碳原子比例：
  0.48
• 拓扑面积：
  50.7
• 氢给体数：
  2
• 氢受体数：
  4

反应信息

• 作为产物：
  描述：

  (S)-proline-N-ethyl carbamate methyl ester 在 氢氧化钾 、 碘 、 magnesium 作用下， 以 四氢呋喃 、 乙醇 、 水 为溶剂， 反应 0.75h， 生成 (S)-bis(3,5-dimethyl-4-methoxy-phenyl)(pyrrolidin-2-yl)methanol
  参考文献：
  名称：

  二芳基-2-吡咯烷甲醇催化α，β-烯酮的对映选择性环氧化：对催化剂结构改性对反应效率的影响的新见解

  摘要：

  描述了由二芳基-2-吡咯烷甲醇和叔丁基氢过氧化物（TBHP）促进的α，β-不饱和酮的催化对映选择性环氧化。对二芳基-2-吡咯烷甲醇的结构修饰的研究表明，对芳基部分上的取代基的立体电子进行精细调节对于实现高效率很重要。通过使用结构优化的有机催化剂，可以使用显着降低的负载量（10 mol％）在室温下以高收率和高达90％ee的产率生产环氧化物。

  DOI：

  10.1016/j.tet.2006.10.005
• 作为试剂：
  描述：

  苄叉丙酮 在 (S)-bis(3,5-dimethyl-4-methoxy-phenyl)(pyrrolidin-2-yl)methanol 、 叔丁基过氧化氢 作用下， 以 正己烷 为溶剂， 反应 216.0h， 生成 trans-2-acetyl-3-phenyloxirane 、 1-[(2R,3S)-3-苯基-2-环氧乙烷基]乙酮
  参考文献：
  名称：

  二芳基-2-吡咯烷甲醇催化α，β-烯酮的对映选择性环氧化：对催化剂结构改性对反应效率的影响的新见解

  摘要：

  描述了由二芳基-2-吡咯烷甲醇和叔丁基氢过氧化物（TBHP）促进的α，β-不饱和酮的催化对映选择性环氧化。对二芳基-2-吡咯烷甲醇的结构修饰的研究表明，对芳基部分上的取代基的立体电子进行精细调节对于实现高效率很重要。通过使用结构优化的有机催化剂，可以使用显着降低的负载量（10 mol％）在室温下以高收率和高达90％ee的产率生产环氧化物。

  DOI：

  10.1016/j.tet.2006.10.005

文献信息

• Intramolecular [2+2] Photocycloaddition of Cyclic Enones: Selectivity Control by Lewis Acids and Mechanistic Implications
  作者：Saner Poplata、Andreas Bauer、Golo Storch、Thorsten Bach

  DOI：10.1002/chem.201901304

  日期：2019.6.18

  that attractive dispersion forces may be responsible for a change of the binding mode. The catalytic [2+2] photocycloaddition was shown to proceed on the triplet hypersurface with a quantum yield of 0.05. The positive effect of Lewis acids on the outcome of a given intramolecular [2+2] photocycloaddition was illustrated by optimizing the key step in a concise total synthesis of the sesquiterpene (±)‐italicene

  在存在λ = 366 nm的条件下进行辐照时，以对映选择性的方式进行3-烯基-2-环烯酮的分子内[2 + 2]光环加成反应（九个代表性实例，产率为54-86％，ee为76-96％ee）。 AlBr 3活化的恶唑硼烷作为路易斯酸。对脯氨酸衍生的恶唑硼烷的广泛筛选表明，对映体的分化很大程度上取决于杂环3位上芳基的性质。路易斯酸-底物复合物的DFT计算表明，有吸引力的分散力可能是改变结合模式的原因。催化的[2 + 2]光环加成反应在三重态超表面上进行，量子产率为0.05。通过优化倍半萜烯（±）-斜体的简明全合成中的关键步骤，可以说明路易斯酸对给定的分子内[2 + 2]光环加成反应的积极作用。
• London Dispersion Interactions Rather than Steric Hindrance Determine the Enantioselectivity of the Corey–Bakshi–Shibata Reduction
  作者：Christian Eschmann、Lijuan Song、Peter R. Schreiner

  DOI：10.1002/anie.202012760

  日期：2021.2.23

  experimental studies for a series of modified CBS catalysts equipped with dispersion energy donors (DEDs) in the catalysts and the substrates. Our results demonstrate that attractive LD interactions between the catalyst and the substrate, rather than steric repulsion, determine the selectivity. As a key outcome of our study, we were able to improve the catalyst design for some challenging CBS reductions.

  众所周知的Corey-Bakshi-Shibata（CBS）还原是一种从前手性酮不对称合成醇的有效方法，通常具有高收率和出色的选择性。多年来，虽然空间排斥一直是观察到的高对映选择性的关键因素，但我们证明，伦敦分散（LD）相互作用至少对对映歧视同样重要。我们通过对一系列改性的CBS催化剂进行详细的计算和实验研究的组合来举例说明这一点，这些催化剂在催化剂和底物中配备了分散能供体（DED）。我们的结果表明，催化剂与底物之间有吸引力的LD相互作用而非空间排斥决定了选择性。作为我们研究的关键成果，
• Leveraging Limited Experimental Data with Machine Learning: Differentiating a Methyl from an Ethyl Group in the Corey–Bakshi–Shibata Reduction
  作者：Oliver Pereira、Marcel Ruth、Dennis Gerbig、Raffael C. Wende、Peter R. Schreiner

  DOI：10.1021/jacs.4c01286

  日期：2024.5.29

  a particularly difficult reaction, namely, the Corey–Bakshi–Shibata (CBS) reduction of butanone, which constitutes the classic and prototypical challenge of being able to differentiate a methyl from an ethyl group. As there are no known strategies on how to address this challenge, we leveraged the power of machine learning by constructing a realistic (for a typical laboratory) small, albeit high-quality

  我们提出了一个案例研究，介绍如何改进现有的无金属催化剂以应对特别困难的反应，即丁酮的 Corey-Bakshi-Shibata (CBS) 还原，这构成了能够区分甲基的经典和原型挑战来自乙基。由于没有已知的策略来应对这一挑战，我们利用机器学习的力量，构建了一个真实的（对于典型实验室）小型但高质量的数据集，其中包含约 100 个反应（一式三份运行）用于结合关键中间图（底物和催化剂）来训练模型，以预测对映体反应路径的吉布斯活化能 ΔΔ G ‡的差异。借助该模型，我们能够选择并随后筛选一小部分催化剂，并将丁酮 CBS 还原的选择性提高到 80% 对映体过量 (ee)，这是迄今为止该底物实现的最高可能值一种无金属催化剂，因此也超过了现有的最佳酶系统 (64% ee) 和 Corey 原始催化剂的选择性 (60% ee)。这意味着相对 Δ G ‡从 0.9 kcal mol –1 提高到 1.4 kcal