摩熵化学
数据库官网
小程序
打开微信扫一扫
首页 分子通 化学资讯 化学百科 反应查询 关于我们
请输入关键词

(1S,cis)-N-[3-(hydroxymethyl)-2,2-dimethylcyclobutyl]-N'-(3-ethoxypropenoyl)urea | 1227364-76-2

中文名称
——
中文别名
——
英文名称
(1S,cis)-N-[3-(hydroxymethyl)-2,2-dimethylcyclobutyl]-N'-(3-ethoxypropenoyl)urea
英文别名
——
(1S,cis)-N-[3-(hydroxymethyl)-2,2-dimethylcyclobutyl]-N'-(3-ethoxypropenoyl)urea化学式
CAS
1227364-76-2
化学式
C13H22N2O4
mdl
——
分子量
270.329
InChiKey
WJBILHWBKGAVKZ-UWVGGRQHSA-N
BEILSTEIN
——
EINECS
——
  • 物化性质
  • 计算性质
  • ADMET
  • 安全信息
  • SDS
  • 制备方法与用途
  • 上下游信息
  • 反应信息
  • 文献信息
  • 表征谱图
  • 同类化合物
  • 相关功能分类
  • 相关结构分类

计算性质

  • 辛醇/水分配系数(LogP):
    0.77
  • 重原子数:
    19.0
  • 可旋转键数:
    5.0
  • 环数:
    1.0
  • sp3杂化的碳原子比例:
    0.69
  • 拓扑面积:
    87.66
  • 氢给体数:
    3.0
  • 氢受体数:
    4.0

反应信息

  • 作为反应物:
    描述:
    (1S,cis)-N-[3-(hydroxymethyl)-2,2-dimethylcyclobutyl]-N'-(3-ethoxypropenoyl)urea硫酸 作用下, 以 1,4-二氧六环 为溶剂, 反应 0.5h, 以83%的产率得到(1S,cis)-1-[3-(hydroxymethyl)-2,2-dimethylcyclobutyl]-1,2,3,4-tetrahydropyrimidine-2,4-dione
    参考文献:
    名称:
    新型碳环核苷的抗肿瘤活性的设计,合成和评估。
    摘要:
    癌症是85岁以下男女死亡的主要原因。每年,有数百万人被诊断出患有癌症。但是,寻找新药是一项复杂,昂贵且非常耗时的任务。在过去的十年中,癌症研究界已开始解决计算机模拟建模方法,例如定量结构-活性关系(QSAR),作为靶向潜在抗癌药物的重要替代工具。通过在我们的实验室或其他地方合成的大量核苷数据集的汇编,并在相同的实验条件下在单细胞毒性测定中进行了测试,我们认识到了独特的机会来尝试建立预测性QSAR模型。从该数据集的一部分构建的2D分类模型的早期工作非常令人鼓舞。在这里,我们报告对分类模型的进一步详细评估,以标记源自各种3D分子表示形式的潜在抗癌活性。获得了将抗癌化合物与非活性化合物区分开的定量3D模型模型,该模型可以在如此庞大而多样的数据集中正确分类82%的化合物,其中只有5%的错误非活性成分和11%的错误活性成分。通过预先将其分类为活性/非活性抗癌化合物,可将此处开发的模型用于选择和设计一
    DOI:
    10.1002/minf.200900033
  • 作为产物:
    描述:
    (1R,3S)-3-amino-2,2-dimethylcyclobutylmethanol 、 3-乙氧基丙烯酰异氰酸酯N,N-二甲基甲酰胺 为溶剂, 以0.12 g的产率得到(1S,cis)-N-[3-(hydroxymethyl)-2,2-dimethylcyclobutyl]-N'-(3-ethoxypropenoyl)urea
    参考文献:
    名称:
    新型碳环核苷的抗肿瘤活性的设计,合成和评估。
    摘要:
    癌症是85岁以下男女死亡的主要原因。每年,有数百万人被诊断出患有癌症。但是,寻找新药是一项复杂,昂贵且非常耗时的任务。在过去的十年中,癌症研究界已开始解决计算机模拟建模方法,例如定量结构-活性关系(QSAR),作为靶向潜在抗癌药物的重要替代工具。通过在我们的实验室或其他地方合成的大量核苷数据集的汇编,并在相同的实验条件下在单细胞毒性测定中进行了测试,我们认识到了独特的机会来尝试建立预测性QSAR模型。从该数据集的一部分构建的2D分类模型的早期工作非常令人鼓舞。在这里,我们报告对分类模型的进一步详细评估,以标记源自各种3D分子表示形式的潜在抗癌活性。获得了将抗癌化合物与非活性化合物区分开的定量3D模型模型,该模型可以在如此庞大而多样的数据集中正确分类82%的化合物,其中只有5%的错误非活性成分和11%的错误活性成分。通过预先将其分类为活性/非活性抗癌化合物,可将此处开发的模型用于选择和设计一
    DOI:
    10.1002/minf.200900033
点击查看最新优质反应信息