ACS Catalysis新加坡国立大学卢一新团队:铑催化gem-二氟环丙烷实现高区域和对映选择性磺酰化

研究背景

gem-二氟环丙烷(gem-F₂CP)是一类重要的氟化小环化合物,通过过渡金属催化的C–C键活化及后续β-F消除,可高效转化为2-氟代烯丙基骨架。这类含氟烯丙基化合物在药物化学、液晶材料和酶抑制剂设计中具有极高价值。过去的研究主要集中在线性选择性的单氟烯烃合成,且多数产物为外消旋体。虽然Lv和Li等人通过Pd/NHC催化实现了部分支链选择性的烷基化/烯丙基化,但不对称构建碳-杂原子键(尤其是C–S键)的区域-对映选择性反应仍属空白。

砜类化合物是药物和天然产物中的特权骨架,具有良好的生物等排性质(可模拟羰基)、强氢键接受能力和合成转化潜力。手性2-氟代烯丙基砜更是极具应用前景的结构单元。此前仅有一例Pd催化的线性选择性外消旋合成方法,支链、对映选择性的催化不对称磺酰化反应尚未实现。

卢一新团队首次报道了铑催化、Josiphos配体调控的gem-F₂CP与廉价易得的亚磺酸钠的区域-对映选择性磺酰化反应,以支链选择性(b/l > 30:1)和高达99% ee高效构建手性2-氟代烯丙基砜,同时通过动力学拆分(KR)获得手性gem-F₂CP。该方法条件温和、官能团兼容性广,为含氟手性药物分子的快速构建提供了强有力的工具。

主要内容

反应条件优化

作者以gem-F₂CP 1a 和苯亚磺酸钠 2a 为模板底物,系统筛选了配体、催化剂前体、添加剂和溶剂:

  • 传统双膦配体(如BINAP、Segphos、GarPhos、BPE等)产率和对映选择性均不理想。
  • Josiphos家族配体表现出独特优势,尤其是带有大位阻叔丁基的L10((S,Rp)-Josiphos)。大位阻叔丁基有效抑制了γ-位亲核进攻,从而实现极高的支链选择性(b/l = 34:1)。
  • 最优条件:10 mol% [Rh(C₂H₄)₂Cl]₂ + 20 mol% L10 + 20 mol% AgOTf,DCM溶剂,80 °C反应48 h。
  • 产物3a 以69%分离产率、94% ee获得。降低催化剂当量、改变前体或加入其他银盐均导致产率或选择性下降。无Rh、无配体或无AgOTf时反应完全不发生。

底物适用范围

1. 亚磺酸钠(Table 2)

  • 芳基亚磺酸钠:苯环上各类给电子/吸电子基团(甲基、甲氧基、卤素、CF₃)均兼容,邻位取代基耐受良好(3d,98% ee)。
  • 萘基、杂芳基(苯并二氧杂环戊烯、1,3-苯并二氧戊环等)也能顺利反应,产物3h–3j 产率良好、ee值高达92–98%。
  • 烷基亚磺酸钠:乙基、环丙基、环戊基、环己基均以高产率和高选择性给出相应产物(3k, 3m–3o)。
  • 特殊亚磺酸盐SMOPS(含酯基)也可参与反应,生成产物3l(含少量副产物)。

2. gem-FCP(Table 3)

  • 苯环上各类取代基(甲基、叔丁基、卤素、酯基)位置(邻/间/对)均耐受,产物3p–3x ee值优异。
  • 二取代苯基、萘基、呋喃、噻吩等杂芳基底物均以良好产率和高ee值转化(3z–3ad)。
  • 烷基取代的gem-F₂CP未能反应,显示芳基稳定π-烯丙基中间体的必要性。

合成与应用(Scheme 3)

  • 克级规模:1r(4.0 mmol)与2a反应,3af 以73%产率(1.07 g)、95% ee、b/l > 30:1 获得。
  • 二烯衍生的gem-F₂CP 可进一步用m-CPBA氧化为环氧砜3ag-1(dr > 20:1)。
  • 合成潜在抗炎药物砜类似物3ah。
  • 晚期修饰:布洛芬、L-薄荷醇、吉非贝齐、氯贝特衍生的复杂gem-F₂CP均能高效转化,生成手性2-氟代烯丙基砜(3ai–3al),ee 92–96%,dr > 20:1。

机理研究(Scheme 4–6)

  1. 动力学拆分(KR): 反应过程中(S)-1a优先反应,回收(R)-1a ee值可达99%。时间跟踪实验和无亲核试剂对照实验证实KR过程的存在,同时证明手性配体是立体控制的关键。
  2. 配体效应: (S,Rp)-Josiphos (L10) 有效,(R,Sp)-Josiphos 几乎无活性,体现平面手性与中心手性的协同作用。非线性效应实验表明单配体参与对映决定步骤。
  3. 中间体验证:
    • 制备的[Rh(L10)Cl]₂二聚体在反应中同样高效。
    • D₂O标记实验捕获了π-烯丙基铑中间体(52%和77% D掺入)。
    • ³¹P NMR观察到活性单体异构体。
  4. 催化循环(Scheme 6): AgOTf解聚生成阳离子Rh(I)物种A → 选择性氧化加成(S)-gem-F₂CP → β-F消除生成π-烯丙基铑C → 亚磺酸钠外球型进攻(路径a)或配位-还原消除(路径b)生成支链产物,同时再生Rh(I)。γ-位少量进攻生成痕量线性副产物。

结论与展望

该工作实现了gem-F₂CP的高区域-对映选择性不对称磺酰化,以支链选择性和优异ee值构建了大量手性2-氟代烯丙基砜,同时通过KR获得珍贵的手性gem-F₂CP。方法操作简便、底物范围广泛、克级可行,为含氟手性药物分子的合成和后期修饰提供了实用新策略。

文章链接:

https://doi.org/10.1021/acscatal.5c08795

随着人类对生命健康需求的不断增长,新药研发面临着前所未有的挑战。传统的药物研发流程通常耗时长达十年以上,耗资数十亿美元,且最终成功率极低,这在制药界被称为“反摩尔定律”困境。近年来,人工智能技术的飞速发展,特别是深度学习大数据分析的广泛应用,为新药发现带来了革命性的契机。人工智能能够从海量的化学生物数据中挖掘潜在规律,显著加速药物靶点发现、先导化合物优化等关键节。在此背景下,本研究旨在设计并实现一个基于人工智能的新药发现辅助系统,以期为传统药物研发流程提供效的智能化辅助工具,从而有效缩短研发周期并大幅降低研发成本。本研究以Python作为主要开发语言,深度结合PyTorchTensorFlow两大主流深度学习框架,并集成RDKit化学信息学工具包,构建了一个功能完善的新药发现辅助系统。系统的核心目标是利用先进的人工智能技术辅助新药分子的设计与活性评估。在研究方法上,本文创新性地提出了一种融合多模态数据的新药发现算法。该算法综合处理分子的多种表示形式,包括一维的SMILES序列、维的分子图结构以及三维的空间构象数据。通过构建多通道神经网络,系统能够有效提取并融合不同模态的特征,从而全面捕捉分子的理化性质与生物学活性之间的复杂非线性关系。 【课程报告内容】 摘要 第1章 绪论 第2章 相关技术与理论 第3章 系统需求分析 第4章 系统总体设计 第5章 系统详细设计与实现 第6章 系统测试与分析 第7章 总结与展望 参考文献 附件-实现指南
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值