利用数据驱动的方法开发和理解具有远程 γ 手性醇的手性探针

今天给大家分享一篇利用迭代的、数据驱动的工作流程来设计和分析能够评估具有挑战性的无环 γ-立体醇的手性探针，本文的通讯作者是美国犹他大学的Matthew S. Sigman教授（主要从事有机立体化学研究）和德克萨斯大学奥斯汀分校的Eric V. Anslyn教授（Angew. | 使用指示剂位移分析定量顺式和反式烯烃的比色法）。

作者之前报道了2-甲酰基吡啶可以在酸催化剂存在下与二吡啶胺和 Zn(OTf)2 反应，形成半胺6。在结合手性醇 7 后，由于吡啶螺旋扭曲、手性醇和新形成的半胺醚官能团的点立构中心，形成了一系列非对映异构体。如果醇是对映体富集的，则半胺醚基团的一种构型占主导地位，这会导致吡啶 P 或 M 扭曲的偏向，导致激子耦合，从而产生可观察的 CD 信号。随后开发了复合物 8，它能够检测富有挑战的β-立体醇。设计策略为在靠近半胺醛基团的吡啶环上加入一个取代基，该取代基可以与更远的立体中心相互作用。

随后作者尝试开发 γ-立体醇传感器，设想了四个关键阶段：(1) 一个简单的机器学习 (ML)策略将用于仔细识别可合成的高度多样化的附属物（2）然后合成选定的化合物并经过测试，(3) 所得数据将用于训练将结构特征与 CD 信号强度相关联的统计模型(4) 对模型的训练将提供下一代传感器设计的信息。该工作流程是迭代的，其中应用数学模型定量预测新组件的性能，并最终解卷积对手性光学探针的至关重要的非共价相互作用。