项目名称: 仿酶手性分子用于液-液两相手性萃取拆分氨基酸的研究

项目编号: No.21306107

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 化学工业

项目作者: 黄昊飞

作者单位: 山东理工大学

项目金额: 25万元

中文摘要: 项目针对现有手性萃取剂在用于液-液两相萃取拆分光学纯氨基酸领域所存在的选择性低、应用范围小等问题,以天然辅酶-磷酸吡哆醛对氨基酸的作用机制作为化学模拟对象,旨在研究新型的高效仿酶手性萃取剂。拟以双螺旋手性中心的协同作用、新型共振-辅助氢键供体基团的引入作为切入点,通过设计更加灵活的手性中心结构和不同取代基团等来对新型仿酶分子的性能与结构之间的关系进行系统的研究,制备高选择性、应用面宽的新型仿酶手性萃取剂,对仿酶分子的设计理念进行拓宽和创新。希望通过对所设计合成的仿酶分子在萃取过程中的反应机理、与萃取拆分系统内部各因素之间的作用规律等,揭示和总结其结构对选择性、产物稳定性以及系统效率的影响,为新型的高效仿酶萃取剂的发展奠定理论基础,而且该项目还可为提高我国氨基酸产业的水平提供切实可行的新途径,具有理论和实际的双重意义。

中文关键词: 萃取;拆分;氨基酸;手性;

英文摘要: The chiral extractants so far developed for the liquid-liquid enantioselective extraction of amino acids is limited due to the low selectivity and narrow range of applicable substrates. In this proposal, inspired by the reaction mechanism of the natural enzyme - codecarboxylase with the amino acids, novel and highly enantioselective mimic enzyme chiral-extractants will be studied. The key ideas to prepare such chiral receptors would be mainly based on the cooperation of novel double helical chiral-centers and a unique group providing resonance-assistant hydrogen bond inside the mimic enzyme molecular. Meanwhile, the much more flexible structures of the chiral centers and the different substituent groups introduced in the receptors could be very helpful to the systematic study on the structure-activity relationship between mimic enzyme molecules and their performance in the resolution of chiral amino acids. These works would open new design strategies for the development of such mimic enzyme chiral-extractants. To reveal the effect of the different structures of the mimic-enzyme molecules on the enantioselectivity, stability of the final product and extraction-system efficiency, the reaction mechanism of the chiral receptors with the enantiomers of amino acids and the relationships between these receptors and the

英文关键词: extract;resolution;amino acid;chiral;

成为VIP会员查看完整内容
0

相关内容

Nat. Mach. Intell. | 分子表征的几何深度学习
专知会员服务
24+阅读 · 2021年12月26日
数据价值释放与隐私保护计算应用研究报告,64页pdf
专知会员服务
39+阅读 · 2021年11月29日
CIKM2021 | CD-GNN:一种跨领域的图神经网络模型
专知会员服务
28+阅读 · 2021年11月9日
【干货书】数据挖掘药物发现,347页pdf
专知会员服务
133+阅读 · 2021年9月20日
专知会员服务
133+阅读 · 2021年9月16日
专知会员服务
28+阅读 · 2021年8月27日
使用深度学习,通过一个片段修饰进行分子优化
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
1+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
17+阅读 · 2022年1月11日
Arxiv
12+阅读 · 2020年12月10日
Arxiv
10+阅读 · 2018年3月23日
小贴士
相关主题
相关VIP内容
Nat. Mach. Intell. | 分子表征的几何深度学习
专知会员服务
24+阅读 · 2021年12月26日
数据价值释放与隐私保护计算应用研究报告,64页pdf
专知会员服务
39+阅读 · 2021年11月29日
CIKM2021 | CD-GNN:一种跨领域的图神经网络模型
专知会员服务
28+阅读 · 2021年11月9日
【干货书】数据挖掘药物发现,347页pdf
专知会员服务
133+阅读 · 2021年9月20日
专知会员服务
133+阅读 · 2021年9月16日
专知会员服务
28+阅读 · 2021年8月27日
微信扫码咨询专知VIP会员