N-(9-Fluorenylmethoxycarbonyl)-L-leucine-5,5,5-d3 | 538372-74-6

• 分子结构分类: 有机化合物 - 有机酸及其衍生物 - 羧酸及其衍生物
• 英文名称: N-(9-Fluorenylmethoxycarbonyl)-L-leucine-5,5,5-d3
• 英文别名: Fmoc-leucine-d3；(2S)-5,5,5-trideuterio-2-(9H-fluoren-9-ylmethoxycarbonylamino)-4-methylpentanoic acid
• CAS: 538372-74-6
• 化学式: C₂₁H₂₃NO₄
• 分子量: 356.394
• InChiKey: CBPJQFCAFFNICX-VWCYLIGHSA-N

计算性质

• 辛醇/水分配系数(LogP)：
  4.4
• 重原子数：
  26
• 可旋转键数：
  7
• 环数：
  3.0
• sp3杂化的碳原子比例：
  0.33
• 拓扑面积：
  75.6
• 氢给体数：
  2
• 氢受体数：
  4

反应信息

• 作为产物：
  描述：

  (9H-芴-9-基)甲基 2,5-二氧代吡咯烷-1-羧酸 、 L-亮氨酸-D3 在 碳酸氢钠 作用下， 以 1,4-二氧六环 、 水 为溶剂， 生成 N-(9-Fluorenylmethoxycarbonyl)-L-leucine-5,5,5-d3
  参考文献：
  名称：

  CycLS：使用串联质谱法对环肽进行准确的全文库测序

  摘要：

  环状肽由于其潜在的特异性和细胞内活性而作为治疗性化合物引起了极大的兴趣，但是如果不借助分子编码技术，则很难从大型文库中鉴定出特定的化合物。大型环状肽库通常在测序前进行DNA编码或线性化，但是这两种解卷积策略均限制了可使用的化学，测定和定量方法。我们开发了一种自动测序程序CycLS，以识别大型合成文库中包含的环肽。CycLS有助于通过串联质谱数据快速简便地识别所有文库成员，而无需在文库中进行任何特定的化学部分或修饰。相对于234,256种化合物的模拟文库大小，针对400种独特质量的环状六肽类肽杂化物（肽）的文库对CycLS的验证产生了95％的准确度。还通过从具有高质量冗余的环状六肽和六肽的单独的1800元文库中重新合成纯化合物来评估CycLS。重新合成的22种肽中，有17种从总体文库批量分析结果中概括了分配给它们的保留时间和片段化模式。实施数据库匹配方法，CycLS速度快，并且为环肽测序提供

  DOI：

  10.1016/j.bmc.2018.01.027

文献信息

• Improved CILAT reagents for quantitative proteomics
  作者：Dexing Zeng、Shuwei Li

  DOI：10.1016/j.bmcl.2009.02.022

  日期：2009.4

  Improved CILAT reagents have been developed, with which an unprecedented number of protein samples can be measured in high-throughput assays, providing a robust tool for MS-based quantitative proteomics. (C) 2009 Elsevier Ltd. All rights reserved.
• CycLS: Accurate, whole-library sequencing of cyclic peptides using tandem mass spectrometry
  作者：Chad Townsend、Akihiro Furukawa、Joshua Schwochert、Cameron R. Pye、Quinn Edmondson、R. Scott Lokey

  DOI：10.1016/j.bmc.2018.01.027

  日期：2018.3

  the chemistry, assays, and quantification methods which can be used. We developed an automated sequencing program, CycLS, to identify cyclic peptides contained within large synthetic libraries. CycLS facilitates quick and easy identification of all library-members via tandem mass spectrometry data without requiring any specific chemical moieties or modifications within the library. Validation of CycLS

  环状肽由于其潜在的特异性和细胞内活性而作为治疗性化合物引起了极大的兴趣，但是如果不借助分子编码技术，则很难从大型文库中鉴定出特定的化合物。大型环状肽库通常在测序前进行DNA编码或线性化，但是这两种解卷积策略均限制了可使用的化学，测定和定量方法。我们开发了一种自动测序程序CycLS，以识别大型合成文库中包含的环肽。CycLS有助于通过串联质谱数据快速简便地识别所有文库成员，而无需在文库中进行任何特定的化学部分或修饰。相对于234,256种化合物的模拟文库大小，针对400种独特质量的环状六肽类肽杂化物（肽）的文库对CycLS的验证产生了95％的准确度。还通过从具有高质量冗余的环状六肽和六肽的单独的1800元文库中重新合成纯化合物来评估CycLS。重新合成的22种肽中，有17种从总体文库批量分析结果中概括了分配给它们的保留时间和片段化模式。实施数据库匹配方法，CycLS速度快，并且为环肽测序提供