手性化合物表征及在手性醇催化拆分預測中的應用.pdf

1、手性是自然界基本的屬性之一,隨著手性純化合物需求量的增加,立體選擇性地制備化合物變得越來越重要。手性選擇性實驗的成本很高,因而,本論文采用化學信息學技術,利用已有的實驗數(shù)據建立結構-手性選擇性相關模型,輔助單一異構體制備的實驗設計。結構-手性選擇性相關的研究依賴于能區(qū)分對映體的分子描述符,因此我們提出了手性基團指數(shù),并采用其建立了手性醇催化拆分的預測模型。
　　衍生于擴展連接矩陣的EAID指數(shù)是一種高選擇性的分子拓撲指數(shù),在本論文

2、中我們改進了這個分子描述符,驗證了其對幾個大數(shù)據庫中的分子和500多萬個分子式為C23H48的烷烴化合物的識別能力。進一步,我們提出了原子的EAID指數(shù),并成功應用于一個數(shù)據集的手性中心識別。
　　針對手性中心上直接鍵連兩個共有取代基的化合物的數(shù)據集,提出了手性基團指數(shù)。在預先設定了手性中心四個取代基的位置信息的基礎上,這個指數(shù)由兩個可變取代基的拓撲的和物理化學的性質所生成。
　　為了評價了手性基團指數(shù)的預測能力,我們將其應

3、用于如下三個數(shù)據集:
　　1)酮類化合物在(-)-DIP-chloride作為催化劑條件下的不對稱反應的手性仲醇產物,該數(shù)據集由50對手性仲醇對映體產物所組成。通過隨機森林建立了主產物絕對構型與這個產物的手性基團指數(shù)的相關模型,并采用該模型預測此不對稱反應的手性選擇性。與手性分子連接性指數(shù)和手性拓撲電荷指數(shù)相比,采用手性基團指數(shù)所得的預測結果更好。
　　2)外消旋體在脂化酶作為催化劑的條件下酯化、轉酯化或者水解的產物,該數(shù)據

4、集由86對手性伯醇對映體所組成。用遺傳算法進行變量選擇,將得到的變量子集用來建立隨機森林預測模型,正確預測了測試集中全部15對對映體的手性選擇性。整個數(shù)據集的leave-one-pair交叉驗證率達到90％。
　　3)皺褶假絲酵母酶CRL(lipase from Candida rugosa)作為催化劑條件下催化生成仲醇的產物,該數(shù)據集由67對手性仲醇對映體所組成.由隨機森林建立結構-手性選擇性預測模型。采用單個對映體為單位和成對