2-(2-Benzoyl-4-fluorophenyl)acetic acid

• 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: 2-(2-Benzoyl-4-fluorophenyl)acetic acid
• 英文别名: 2-(2-benzoyl-4-fluorophenyl)acetic acid
• 化学式: C₁₅H₁₁FO₃
• 分子量: 258.249
• InChiKey: VGTYHCRRTZINLT-UHFFFAOYSA-N

计算性质

• 辛醇/水分配系数(LogP)：
  2.8
• 重原子数：
  19
• 可旋转键数：
  4
• 环数：
  2.0
• sp3杂化的碳原子比例：
  0.07
• 拓扑面积：
  54.4
• 氢给体数：
  1
• 氢受体数：
  4

反应信息

• 作为反应物：
  描述：

  2-(2-Benzoyl-4-fluorophenyl)acetic acid 、 4-氟苯基三氟硼酸钾 在 dipotassium hydrogenphosphate 、 N-乙酰-L-丙氨酸 、 palladium diacetate 、 silver carbonate 、 对苯醌 作用下， 以 2-甲基-2-丁醇 、 N,N-二甲基甲酰胺 为溶剂， 以47 %的产率得到
  参考文献：
  名称：

  自动化和深度学习促进邻烷基芳基酮受阻间位-C-H键的选择性功能化

  摘要：

  空间位阻芳族间位-C-H键的选择性功能化是前所未有的，并且仍然是一个主要挑战。在基于自动化的高通量实验 (HTE) 和深度学习 (DL) 的推动下，公开了一种功能化受阻间位-C -H 键的新策略。以二氧化碳为无痕导向器，开发了一种一锅三步方案，以实现邻烷基芳基酮在受阻位点的选择性芳基化位置。这种新策略涉及光诱导的 C-H 羧化、羧基导向的 Pd 催化的 C-H 官能化和微波辅助脱羧。使用 HTE 和 DL，探索了广泛的底物范围（1,032 个反应），并建立了基于 DL 的反应产率预测模型 (CMPRY)。使用未见的邻烷基芳基酮和/或芳基三氟硼酸钾的两个独立测试来评估该模型。该模型在预测看不见的反应方面表现出色；产率的平均绝对误差仅为 6.6% 和 8.4%，表明其在合成应用中的潜力。

  DOI：

  10.1016/j.chempr.2022.08.015
• 作为产物：
  描述：

  二氧化碳 、 (5-氟-2-甲基苯基)-苯基甲酮 在 dipotassium hydrogenphosphate 作用下， 以 N,N-二甲基甲酰胺 为溶剂， 20.0 ℃ 、101.33 kPa 条件下， 生成 2-(2-Benzoyl-4-fluorophenyl)acetic acid
  参考文献：
  名称：

  自动化和深度学习促进邻烷基芳基酮受阻间位-C-H键的选择性功能化

  摘要：

  空间位阻芳族间位-C-H键的选择性功能化是前所未有的，并且仍然是一个主要挑战。在基于自动化的高通量实验 (HTE) 和深度学习 (DL) 的推动下，公开了一种功能化受阻间位-C -H 键的新策略。以二氧化碳为无痕导向器，开发了一种一锅三步方案，以实现邻烷基芳基酮在受阻位点的选择性芳基化位置。这种新策略涉及光诱导的 C-H 羧化、羧基导向的 Pd 催化的 C-H 官能化和微波辅助脱羧。使用 HTE 和 DL，探索了广泛的底物范围（1,032 个反应），并建立了基于 DL 的反应产率预测模型 (CMPRY)。使用未见的邻烷基芳基酮和/或芳基三氟硼酸钾的两个独立测试来评估该模型。该模型在预测看不见的反应方面表现出色；产率的平均绝对误差仅为 6.6% 和 8.4%，表明其在合成应用中的潜力。

  DOI：

  10.1016/j.chempr.2022.08.015

文献信息

• Selective functionalization of hindered meta-C–H bond of o-alkylaryl ketones promoted by automation and deep learning
  作者：Jia Qiu、Jiancong Xie、Shimin Su、Yadong Gao、Han Meng、Yuedong Yang、Kuangbiao Liao

  DOI：10.1016/j.chempr.2022.08.015

  日期：2022.12

  sterically hindered aromatic meta-C–H bond is unprecedented and remains to be a major challenge. Promoted by automation-based high-throughput experimentation (HTE) and deep learning (DL), a novel strategy to functionalize the hindered meta-C–H bond is disclosed. With carbon dioxide as a traceless director, a one-pot three-step protocol was developed to achieve selective arylation of o-alkylaryl ketones at

  空间位阻芳族间位-C-H键的选择性功能化是前所未有的，并且仍然是一个主要挑战。在基于自动化的高通量实验 (HTE) 和深度学习 (DL) 的推动下，公开了一种功能化受阻间位-C -H 键的新策略。以二氧化碳为无痕导向器，开发了一种一锅三步方案，以实现邻烷基芳基酮在受阻位点的选择性芳基化位置。这种新策略涉及光诱导的 C-H 羧化、羧基导向的 Pd 催化的 C-H 官能化和微波辅助脱羧。使用 HTE 和 DL，探索了广泛的底物范围（1,032 个反应），并建立了基于 DL 的反应产率预测模型 (CMPRY)。使用未见的邻烷基芳基酮和/或芳基三氟硼酸钾的两个独立测试来评估该模型。该模型在预测看不见的反应方面表现出色；产率的平均绝对误差仅为 6.6% 和 8.4%，表明其在合成应用中的潜力。