Modulating the oxygen affinity of porphyrins with metals, ligands, and functional groups: A <scp>DFT</scp> study
Notice bibliographique
Résumé
Abstract The interaction between different metals (M), axial ligands (L), and ring substituents (R) in porphyrins was investigated using density functional theory. Different combinations of iron and cobalt as metal centers; imidazole, chlorine, and an n‐heterocyclic carbene (NHC) as axial ligands, and unsubstituted, octaethyl‐, and tetraphenyl‐porphyrins were explored in their low, intermediate, and high‐spin states, alongside oxygen affinity. Remarkably, the n‐heterocyclic carbene enhanced the affinity of cobalt porphyrins to oxygen, with binding energies on average 4.4 kcal mol −1 higher than FeP with the same ligand, and 0.78 kcal mol −1 higher than FeP with imidazole. The planarity of the iron tetraphenyl porphyrin with imidazole compared to its ruffled cobalt counterpart is noteworthy in both oxy‐ and deoxy‐forms, highlighting imidazole's stabilizing influence on the porphyrin structure, particularly iron porphyrins, alongside imidazole's stabilizing effect on the affinity to O 2 . Despite the significant non‐planarity induced by NHC as an axial ligand ‐regardless of the metal or ring substituent used‐, it did not hinder the affinity of CoP to O 2 (14.26 kcal mol −1 , on average) as it did with the FeP with NHC (9.88 kcal mol −1 , on average). Cobalt porphyrins with n‐heterocyclic carbene ligands show promising potential for O 2 activation or oxygen transport applications. The results show the complex interactions between the different parts of metalloporphyrins and highlight the capability of tailoring their affinity to O 2 . It also exemplifies the stabilizing effect of imidazole on the porphyrins, providing a very narrow range of binding energies and smaller differences in their geometries.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».