MétaCan
Menu
Retour à la cohorte
Enregistrement W2750366797 · doi:10.1021/acs.joc.7b01605

Sequential Functionalizations of Carbohydrates Enabled by Boronic Esters as Switchable Protective/Activating Groups

2017· article· en· W2750366797 sur OpenAlexafffund
Ross S. Mancini, Jessica B. Lee, Mark S. Taylor

Notice bibliographique

RevueThe Journal of Organic Chemistry · 2017
Typearticle
Langueen
DomaineChemistry
ThématiqueCarbohydrate Chemistry and Synthesis
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOntario Ministry of Research, Innovation and ScienceCanada Research ChairsCanada Foundation for Innovation
Mots-clésChemistryGlycosylationNucleophileBoronic acidElectrophileCarbohydrate chemistryAcylationAdductLewis acids and basesLeaving groupTetracoordinateProtecting groupAmine gas treatingSurface modificationDiolSynthonAlkylationCombinatorial chemistryBorylationOrganic chemistryCatalysisBiochemistry

Résumé

récupéré en direct d'OpenAlex

Processes for site-selective, sequential functionalizations of carbohydrate derivatives are described. In these processes, a tricoordinate boronic ester initially serves as a protective group for a sugar-derived 1,2- or 1,3-diol motif, permitting functionalization of free OH groups. In a second step, addition of a Lewis base generates a tetracoordinate adduct, which serves as an activating group, enabling functionalization of one of the boron-bound oxygen atoms by a second electrophile. By combining an initial acylation, alkylation, or glycosylation step with an amine-mediated glycosylation of the boronic ester, a variety of selectively protected di- and trisaccharide derivatives can be accessed in an operationally simple fashion without purification of intermediates. This Lewis base-triggered switching of behavior from "latent" to "active" nucleophile is a unique feature of boronic esters relative to other protective groups for diol moieties in carbohydrate chemistry.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,228
Écart entre enseignants0,217 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations43
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Organic ChemistryMême sujetCarbohydrate Chemistry and SynthesisTravaux en français237 207