MétaCan
Menu
Retour à la cohorte
Enregistrement W4244927623 · doi:10.2174/1570180818666210803165347

Copper-Catalyzed Cross-Coupling Between (E)-1,2-Diiodoethene andCarbazates: Entry to β-Functionalized N-Alkenylcarbazates

2021· article· en· W4244927623 sur OpenAlexaff
Paméla Casault, Simon Ricard, Benoit Daoust

Notice bibliographique

RevueLetters in Organic Chemistry · 2021
Typearticle
Langueen
DomaineChemistry
ThématiqueCatalytic C–H Functionalization Methods
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésChemistryMoietyNucleophileCatalysisCombinatorial chemistrySurface modificationCoupling reactionCopperIodideTandemTransition metalMoleculeOrganic chemistryPolymer chemistry

Résumé

récupéré en direct d'OpenAlex

Aims: This work aims to widen the scope of methodologies to prepare functionalized N-alkenylcarbazates. Background: Alkenylcarbazates are generally prepared via Aza-Baylis-Hillman reactions, nucleophilic attack on ketones or a tandem carbometallation/amidation reaction of alkynes. Objective: The objective of this work is to develop a method to prepare functionalized Nalkenylcarbazates that alleviates the problem encountered in the above methods (use of electron deficient alkenes, use of stoiechiometric amounts of metal, access to symmetrical dicarbazates only). Methods: Use of copper-catalyzed cross-coupling between vinylic diiodide and carbazates to prepare functionalized N-alkenylcarbazates. Results: Various β-iodovinylcarbazates were synthesized with up to good yields. The highest yields were obtained using dicarbazates. Functionalization of β-iodovinylcarbazate demonstrated that the vinyl iodide moiety of these molecules can be substituted by a variety of functional groups via transition metal-catalyzed coupling reactions. Conclusion: Copper-catalyzed cross-coupling reaction is efficient to prepare functionalized N-alkenylcarbazates.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge 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 enseignants0,076
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0490,000

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 Opus0,017
Tête enseignante GPT0,282
Écart entre enseignants0,265 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLetters in Organic ChemistryMême sujetCatalytic C–H Functionalization MethodsTravaux en français237 207