咨询电话:021-58952328
Angew. Chem. :高通量实验和机器学习辅助的铱催化硫叶立德交叉二聚反应2023-12-21
不对称烯烃广泛地存在于天然产物中并且在化学合成和材料等领域有着广泛的应用,因此,一直以来不对称取代烯烃的合成方法备受关注。迄今为止,经典的Wittig型反应和烯烃复分解仍然是快速构建C=C键的最重要方法。近几年来,过渡金属催化/光促进的重氮交叉偶联反应已经成为构建不对称烯烃的有效策略。然而,尽管取得了重大进展,但用于交叉偶联反应的卡宾前体主要受限于供体-受体/受体重氮化合物,这些化合物具有爆炸性,难以制备,在某些情况下具有毒性,对空气和水分敏感。因此,非常亟需开发具有高原子和步骤经济性的有效方法,使用稳定易得的卡宾前体来用于不对称烯烃的合成。

近年来,人工智能技术在化学反应预测方面取得了飞速发展,特别是在交叉偶联反应领域也有了显著的进展。在前期研究的基础上,广州国家实验室廖矿标、苏乐斌团队运用高通量实验和机器学习技术发展了一种铱催化硫叶立德交叉偶联的新反应。该反应是第一例两种亚砜硫叶立德间选择性交叉偶联的反应报道,不仅官能团兼容性好、底物适用范围广,且具有优异的化学选择性与E/Z选择性,为构建含酰胺、酮、酯和N-杂环官能团取代的不对称E式烯烃提供了一种新颖简便的方法。

 

 

1
基于自主搭建的自动化高通量化学合成平台,首先进行反应条件的高通量筛选,在最佳反应条件下,再利用自动化高通量和人工智能技术对反应的底物适用范围进行考察。

2
结果显示,反应对于(杂)芳基、烷基、环烷基、吲哚、吡咯等其他氮杂环硫叶立德都能以较高选择性得到E式不对称烯烃,兼容卤素、酯、腈、酮、硝基与氨基等重要官能团。

3
基于高通量实验收集到的大量标准化数据,建立了基于人工智能的反应预测模型(XGB-MAF)。预测模型可以预测新底物在该反应体系中的产率,减少试错,降低使用门槛,促进该反应在有机合成中的应用。

4
为了更深入的研究反应机理,通过一系列的控制实验和结合理论计算揭示了反应的选择性,在反应过程中,铱催化剂会先与酰胺基亚砜硫叶立德快速形成金属铱卡宾,脱掉一分子DMSO,随后β-酮羰基亚砜硫叶立德作为亲核试剂,进攻金属铱卡宾中心,释放出另一分子DMSO,随后C–Ir键的迁移导致了C=C键形成,最终得到E式产物,释放铱催化剂,完成催化循环。

7
总之,该工作通过自动化高通量与人工智能技术发展了一种铱催化硫叶立德选择性交叉偶联新反应,探索了反应的化学空间并建立了一个反应预测模型。

近年来,自动化与人工智能技术在化学合成领域的研究得到了越来越广泛的关注。廖矿标团队一直致力于实现化学合成自动化与智能化,曾多次将自动化与人工智能技术应用于新型合成方法学开发。此项工作再次有力地证明了自动化与人工智能技术在发现新反应方面所拥有的广阔应用前景。

文信息

High-Throughput Experimentation and Machine Learning-Assisted Optimization of Iridium-Catalyzed Cross-Dimerization of Sulfoxonium Ylides

Yougen Xu,† Yadong Gao,† Lebin Su,* Haiting Wu, Hao Tian, Majian Zeng, Chunqiu Xu, Xinwei Zhu, and Kuangbiao Liao*

Angewandte Chemie International Edition

DOI: 10.1002/anie.202313638

最新产品
园区介绍