Chiral α-substituted allylboronates in a one-pot three-component asymmetric allylic alkylation/carbonyl allylation reaction sequence — Applications to the syntheses of (+)-(3 <i>R</i> ,5 <i>R</i> )-3-hydroxy-5-decanolide and (–)-massoialactone
Notice bibliographique
Résumé
The use of different organomagnesium reagents in the copper-catalyzed allylic alkylation of 3-chloropropenyl boronates with chiral phosphoramidite ligands produces the desired α-substituted allylic boronate reagents in high regioselectivity and with modest to high enantioselectivities (up to 96% ee). The size of the incoming alkyl substituent from the organomagnesium reagent was found to impact the yield and selectivity of the allylic alkylation. A one-pot procedure for the preparation of these chiral allylic boronates followed by a Lewis acid (BF 3 ) catalyzed addition to aldehydes delivers the desired allylboration products, homoallylic secondary alcohols, in good yields and very high diastereoselectivity. This three-component reaction methodology was applied to the syntheses of two lactone-containing natural products, (–)-massoialactone and (+)-(3R,5R)-3-hydroxy-5-decanolide. The key step of these syntheses involved the one-pot enantioselective copper-catalyzed allylic alkylation/allylboration reaction with a benzylic aldehyde, and afforded the desired product in 87% yield, 92% ee, and high E/Z selectivity in a ratio of 22:1. Remarkably, the allylic alkylation step of this sequential reaction was performed with a low catalyst loading of 2 mol% on a scale of >15 mmol that can provide multiple grams of the three-component product.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».