译自Chem-Station网站日本版 原文链接:黎书华 Shuhua Li
翻译:炸鸡
黎书华(1969年7月-),中国物理化学家,湖南衡阳人,理论与计算化学专家,国际量子分子科学院院士,南京大学化学化工学院院长、教授、博士生导师。(参考自:Shuhua Li’s group)
1990 中南工业大学(现中南大学)获得学士学位
1993 中南工业大学(现中南大学)获得硕士学位
1996 南京大学 获得博士学位
1996-1998 南京大学 博士后
1998-2000 Texas A&M大学 博士后
2000 南京大学 副教授
2002 南京大学 教授
2017年 当选国际量子分子科学院院士
2019年 任南京大学化学化工学院院长
2002 Outstanding Young Chemist Award of Chinese Chemical Society
2004 The Project for Young Teachers in Universities by Fok Ying Tong Education Foundation
2008 The Pople Medal of Asian Pacific Association of Theoretical & Computational Chemists
2009 Science & Technology Award for Chinese Youth
2009 Outstanding Young Chemist Award of Chinese Chemical Society and Royal Society of Chemistry
利用计算化学解释吡啶-硼自由基(Pyridine-boryl Radicals)的化学特性,并将吡啶-硼自由基用于有机合成[1]。
本文版权属于 Chem-Station化学空间, 欢迎点击按钮分享,未经许可,谢绝转载.
译自Chem-Station网站日本版 原文链接:計算化学:DFTって何? PartIII
翻译:炸鸡
在上一回《计算化学的一点简单科普(3):从被嫌弃到被喜欢的DFT》中,笔者简要介绍了1930年-1980年之间量子化学的发展史。
这一期笔者将介绍DFT计算中使用的主要泛函。
读完前一期和这一期的内容,相信读者们都会对DFT计算的历史背景,理论,不足点,泛函的种类和Gaussian软件的计算流程有一个更加深刻细致的理解。当别人问你什么是DFT计算时,你也能自信地回答了。
上回没有言及的量子化学在1930年-1980年之间的进展还有基函数的开发(1950年Boys),罗特汉方程的提出(1950年Roothaan, Hall)。还有对现代计算化学极其重要的Gaussian软件的开发(1970年、Pople),Gamess软件的开发(1982年)。
在《计算化学的一点简单科普(1):什么是泛函?》中曾提到过,交换关联泛函是Kohn-Sham方程中唯一取近似的部分。所以DFT计算结果的准确性取决于它选择的泛函。虽然迄今为止有很多泛函被开发出来,这些泛函可以分为以下几类:
局部密度近似(LDA)泛函:Local Density Approximation (LDA) Functional
广义梯度近似(GGA)泛函:Generalized Gradient Approximation (GGA) Functional
Meta-GGA泛函:Meta-Generalized Gradient Approximation (Meta-GGA) Functional
混合泛函(杂化泛函):Hybrid Functional
半经验泛函:Semi-Empirical Functional
渐进泛函:Progressive Functional
和有固定方程的薛定谔方程不同,交换关联泛函没有一个最优的形式,每位计算化学家都依照自己的研究需要,选择自己的参数制作属于自己的泛函。
可以根据交换关联泛函使用的变量来分类,比如有和电子密度成比例的交换相关泛函,还有和电子密度的微分成比例的交换相关泛函。更复杂的是,还有人用几个泛函组合起来拼接成杂化泛函。
今天将为读者介绍有机合成化学家经常使用的两个具有代表性的泛函。
B3LYP是最早的杂化泛函,是有机化学学界最常使用的泛函。于1993年由Becke提出。
这个泛函不仅包含Hartree-Fock交换积分的混合比例,还有B88交换泛函、LYP相关泛函以及LDA交换相关泛函之间的差按三个参数比例的加和。
半经验的三个参数分别为a1 = 0.2、a2 = 0.72、a3 = 0.81。这个三个参数是不能随意更改的基准,经过无数的实验证实这三个值能让计算值接近实验值,并不是经过数学公式推导出来的。但请不要认为建立在这个“经验“参数上的DFT计算结果就是不正确的,不如这样想——比起如何更准确求得薛定谔方程的近似解,用DFT算出的结果比MP2要更接近于实验结果。
“人们为什么要用计算化学?”
如果计算结果和实验结果一致,实验结果的正确性就得到了佐证,但反过来说无论计算结果从数学上推导是多么地正确,一旦与实验结果存在较大差异,那么就没有人会使用。类似的情况也适用于酶、基因序列等相似性搜索。
在检索酵素基因序列时,我们大脑里都会有这样一个假设
“功能类似的蛋白质,序列也一定类似”
这个假设凭直觉来想没有什么问题,但实质上没有经过严密的数学证明。但为什么很多科学家都遵循这个假设,用相似性检索呢?因为实验结果证实这个假设具有合理性!!同样,DFT计算结果也是经过实验验证的。
M06泛函是我最近经常用的,这个泛函由美国量子化学家Donald Gene Truhlar开发。M06属于半经验泛函,有高达38个半经验参数。但我相信M06不会一直是学术界主要用的泛函,M06这样繁复的泛函只是真正精炼的泛函被开发出来之前的权宜之计。
我脑海里一直有个原则,即在含有过渡金属的体系中通常使用M06,而在没有过渡金属的体系中则常用M06-2x。此外,由于它是一种可以估算弱相互作用的通用泛函,因此在像周环反应等情境下,经常看到先使用B3LYP进行结构优化,然后再用M062X进行单点计算的例子。
实际计算流程
计算机软件变得越来越便于用户使用了,即使是零基础小白也能算出化合物的能量,优化化合物的结构,模拟谱图。计算机软件的新手友好程度堪比游戏了。
制作输入文件并进行计算,得到结果。然而,要判断这些结果是否正确,具有何种意义,就需要有机化学知识。此外,为了在计算报错时做出正确处理,还需要深入了解背后的理论和计算程序。
计算化学虽然被称为计算,但能够理解计算机实际进行了哪些计算工作的人并不多。例如,分子结构最优化的计算过程大致如下:
1.读取坐标信息
2.能量计算(Roothaan方程和SCF计算)
3.力计算
4.结构最优化
查看计算结束后的后缀名为log.的文件,您可以了解哪个部分是限速的,以及更改哪些参数可以提高计算速度等。
本文版权属于 Chem-Station化学空间, 欢迎点击按钮分享,未经许可,谢绝转载.
译自Chem-Station网站日本版 原文链接:諸熊 奎治 Keiji Morokuma
翻译:炸鸡
诸熊 奎治(1934年7月12日-2017年11月27日,出生地日本鹿儿岛市),日本计算化学家(照片来自:产经新聞),美国埃默里大学名誉教授。
1957 京都大学工学部 毕业
1962-1966 京都大学工学部 研究助手
1963 获得工学博士学位
1964-1966 哥伦比亚大学博士研究员
1966-1967 哈佛大学 博士研究员
1967 罗彻斯特大学 助理教授
1969 罗彻斯特大学 副教授
1971 罗彻斯特大学 教授
1976 分子化学研究所
1993 埃默里大学 教授
2006 埃默里大学 名誉教授
2006-2017 京都大学京都大学福井谦一纪念研究中心研究主任
1978 International Molecular Science Award
1992 日本化学会賞
1993 Schrödinger Medal
2005 福井奖章
2008 恩赐奖 日本学士院奖
ONIOM 方法的开发
通过在核心部分采用高精度计算,然后在远离核心部分采用精度较低但简便的计算方法,ONIOM方法既能够降低计算成本,又能够得到合理的结果。这种计算的分层结构很像洋葱,故称为ONIOM(洋葱)方法。特别是在例如蛋白质的巨大分子或复杂系统现象的计算中,ONIOM方法展现出了卓越的性能。
本文版权属于 Chem-Station化学空间, 欢迎点击按钮分享,未经许可,谢绝转载.
译自Chem-Station网站日本版 原文链接:計算化学:汎関数って何?
翻译:炸鸡
我曾经参加过一场学术报告会,听到了下面这段“尴尬” 的对话:
发表者:。。。。。就这样,这个反应历程可以用DFT计算证明。
提问者:真是精彩的发表。但那不是DFT计算呢?
发表者:呀,这就是DFT计算
提问者:如果是DFT计算的话,不是应该有B3LYP之类的吗,你用了M06这不是DFT计算呀?
发表者:M06也是DFT计算用的泛函之一……
提问者:啊……原来是这样(尴尬.jpg)
参加过一些学会发表,很多发表或论文都会或多或少地涉及计算化学,意外发现很多人都不理解DFT计算到底是干什么的。为了消除一部分人对DFT计算的一知半解,所以今天我来简单科普下泛函。
量子化学计算是以求出某个分子的波函数Ψ就相当于得到了这个分子各种各样的情报为基础的。(对波函数不了解的同学可以参看《化学狗也要懂数学吗!:薛定谔方程和复数》《再次走进薛定谔方程!:定态和变量分离》《为什么电子要离域或定域?【带你再次走进薛定谔方程:一维深阱式势能和曲率】》)比方说我们求得了一个分子的波函数,我们就能预测出这个分子最稳定的结构,反应活性和物理性质等。但是求薛定谔方程的一个精确的解(即波函数)是不可能完成的任务,所以计算化学就会用各种方法求得一个近似的薛定谔方程的解。
如何求得一个近似解上,手段之一就是将哈密顿算符变成方便计算的形式,反映到计算化学里就是选择哪一种计算方法。HF, DFT法是将哈密顿算符转化成可以求解的形式,MP2法是将哈密顿算符中可以求解的部分先解出,不能求解的部分再作近似。
如何求得一个近似解上,手段之二就是限制波函数的自由度。反映到计算化学里就是选择什么样的基函数。
量子化学计算通过在input file里选择“计算方法/基函数”来求得波函数。
HF法是通过将哈密顿算符中一部分求近似值然后直接求出波函数,而DFT另辟蹊径,直接不求波函数,转头去求电子密度了。
DFT计算没有用表示波函数的薛定谔方程,而是用与薛定谔方程等价的表示电子密度的Kohn-Sham方程来求解的。
Kohn-Sham方程用到了交换关联泛函Veff。Veff决定了计算结果的精确度。
交换关联泛函是由交换泛函和关联泛函所组成,交换泛函和关联泛函分别表示电子自旋而来的效应和电子关联而来的效应。
交换泛函和关联泛函虽然各自有很多种,但不能像烧大杂烩那样随意各选一个搭配,必须要选适配的一对。最好用的组合就是下图种的几种交换关联泛函。
其中最广为人知的交换关联泛函就是B3LYP了吧。文章开头的那段对话中,提问者心里想必是把B3LYP跟DFT计算画上了等号。这个想法其实是错误的,DFT计算用到的交换关联泛函有很多,B3LYP只是其中之一。
B3LYP能够深深刻在很多人心里的原因是因为它实在是太好用了,当然它也有缺点。它的缺点是不能估计氢键和范德华力,也不能正确计算过渡金属的电子状态。
不存在万能的泛函,只有根据需要计算的系统来选择合适的泛函。像加入长距离校正和色散校正等来弥补基函数的不足,想缩短计算时间可以用半经验泛函。大家根据自己需要调节就好。
下期将简单介绍下基函数。
本文版权属于 Chem-Station化学空间, 欢迎点击按钮分享,未经许可,谢绝转载.
译自Chem-Station网站日本版 原文链接:Gaussian Input File データベース
翻译:炸鸡
你喜欢计算化学?喜欢用Gaussian软件吗?笔者我就是计算化学爱好者!量子化学计算把看不见的电子微观世界活灵活现地展现在我眼前,冲它这一点我就果断爱上了它~。除了荧光分子的相关研究外,背靠量子化学计算的轨道计算就算是化学研究必不可少的工具了。
爱归爱,可有时它却让我很难弄。我所在的实验室虽然计算设备很完备,但很少有同僚们自己鼓捣计算。即使是做最熟悉的泛函数和基函数计算,短短几分钟里写个input文件然后投入Gaussian里指令计算也充满了波折与变数。
化学空间曾刊登过《从最简单的反应开始~量子化学计算求解中间体能量值~》的一篇简单的计算化学入门迷你教程,为了更好地帮助想学习计算化学的同学们,这里我将提供一些常用的Gaussian input file的模板。
首先先简略看一遍用Gaussian做计算的流程。本文内容称不上是业内宝典名师权威,但对于那些没有充分了解量子化学但还想做量子化学计算的同学们来说是个很好的指导教程!(当然,同时量子化学的学习请不要松懈)
我观察了我周围的情况后发现,很多委托别人来做Gaussian计算的人都是出于担心使用软件需要数学知识和计算能力,自己不能胜任的心理所以选择交给其他人来做。
当然理解计算和数学原理是最好的,但不妨先姑且学学怎么用这个软件。
Gaussian的计算流程十分简单:
本文的全部内容都是关于整套流程中最重要的第二步——创建Gaussian Input file (.gjf)。Gaussian Input file 实质上是一种文本文档,它汇总了我们想让Gaussian做什么样的计算的指令信息,这些指令信息在Input file上为软件可以读取的形式。我曾幻想过有一天某位神人能打造出一个完美的Input file,完美到让Gaussian直接解出薛定谔方程,那量子化学界也就迎来了它生命的终点,当然这是不可能的。
那么,Input file该怎么写呢?通过在 Gauss View的操作,Input file可以自动生成,想要完美的Input file可以打开Input file的Text形式,在Text上修改。虽说规则都在HPC手册和Gaussian官方网站。但没有示例很难自己写可怎么办呢?不如到这篇文章里找找模板吧。只需将本文里的模板直接复制粘贴到text file里面就好(因为格式差异,可能有些空行的长短有错误,还请读者见谅)。修改分子的XYZ轴的信息和最开始的两行,最后加上两行的空行差不多就可以投入到Gaussian里进行计算了。(如有错误,欢迎读者指正)
%nprocshared=28 %mem=100GB %chk=TNT.chk # opt freq b3lyp/6-31g(d,p) **** 0 1 |
下面我们来看看上面的这个例子里每句话说的是什么意思。
%nprocshared=28 (使用的CPU个数,这个是根据你用的电脑决定的) %mem=100GB (使用的内存值,这也是根据你用的电脑决定的) %chk=TNT.chk (作成的checkpoint file即输出文件的名字) # opt freq b3lyp/6-31g(d,p) ( route section从这一行起开始,这一串字符声明了你的计算条件。opt=结构最优化,freq=振动数以b3lyp/6-31g(d,p)为泛函/基组进行计算) (这里的空行代表 route section的结束) **** (这一行是comment section你可以输入你将要计算的分子的名字之类的) (这里的空行代表comment section的结束) 0 1 (代表电荷和自旋多重度。两个数字之间一定要空一格。0 1代表电荷为0,多重度是1) (这里的空行代表上面的分子结构信息输入完毕) (如果有需要增加的指令,在这一行输入,具体参照例8) (这里的空行表示上行的增加指令已经结束) (这里的空行表示input file到此全部结束) |
这就是一个input file里那些数字字母所要传达的信息。
%mem=100GB %nprocshared=28 %chk=TNT.chk # opt freq td=(singlets,nstates=10,root=1) b3lyp/6-31g(d,p) **** 0 1 |
%mem=100GB %nprocshared=28 %chk=TNT.chk # sp td=(singlets,nstates=10,root=1) cam-b3lyp/6-31g(d,p) Guess=Read Geom=AllCheckpoint **** |
这里的“Guess=Read Geom=AllCheckpoint”是个很好用的操作,可以将之前执行的计算结果和构造不做改动直接用到其他计算任务里。具体应用场景见下面的例4。
%mem=100GB %nprocshared=28 %chk=TNT.chk # M062X/6-31g(d,p) Geom=AllCheck Guess=(Read,Only) Density=(Check,Transition=1) Pop=(Minimal,NTO,SaveNTO) 0 1 |
这是标准的模板。如果不想覆盖原有的chk file的话,改成下面这样:
%mem=100GB %nprocshared=28 %oldchk=TNT.chk 0 1 |
这样,计算结果就不会覆盖原有的chk file而是新输出一个chk file。
%mem=100GB %nprocshared=28 %chk=TNT.chk # opt freq td=(50-50,nstates=10,root=1) b3lyp/6-31g(d,p) **** 0 1 |
这不是针对T1态的构造优化,而是分子会趋向于落入能量最低的激发状态。通常情况下,分子会趋向于处于T1态。
%mem=100GB %nprocshared=28 %chk=TNT.chk # opt freq b3lyp/6-31g(d,p) **** 0 3 |
注意,与S0的结构最优化和振动数计算的模板不同的地方在于粗体字换成了03。
%nprocshared=28 %mem=100GB %chk=TNT.chk # opt freq b3lyp/6-31g(d,p) **** 0 1 |
原子右侧的数字-1声明固定的意思,0声明可以移动的意思。即上面的一大串程序表明计算机在对分子作结构最优化时只被允许移动H原子。
如果需要计算的分子太庞大以至于画出来很费时间,我会用下面的Python代码准备gjf file。
filename_input = “./A.gjf” filename_output = “./output.gjf” start_line_num = 9 with open(filename_input, “r”) as f: for line_num, line in enumerate(lines): if line_num+1 < start_line_num: # line_num starts from 0 line_output = “\t”.join(line_array) # print(“=== output text ====”) with open(filename_output, “w”) as f_out: f = open(‘output.gjf’, ‘a’, encoding=’utf-8′, newline=’\n’) |
%chk=butane_scan2 %mem=100GB %nproc=36 #p opt=modredundant b3lyp/6-31g(d) pop=full memo 0 1 D 11 1 4 7 S 36 10.000000
|
%nprocshared=8 %mem=8GB %chk=tellurophene.chk # opt freq M062X/genecp **** 0 1 Te 0 Te 0
|
请注意gen/genecp是关键词,很多人在做含有重原子的计算时经常用吧。最后的黑体字的8行的作用是制定了不同原子的基函数还有Effective Core Potentials (ECP)。
读者们对每个input file的每段话的大概含义都知道了吧!知道DFT计算是计算什么的非常重要。没必要等到吃透量子化学后才开始用软件计算,即使你对量子化学仍是半瓶水水平,我仍然鼓励你去积极使用软件计算。
希望本篇内容能帮助一些想学习量子计算的同学们找到一些门道。笔者自身水平有限,同时欢迎各位读者的批评和指正,欢迎大家一起交流讨论!
在这里欢迎大家踊跃将自己知道的好的Input File模板分享出来供大家交流学习。
本文版权属于 Chem-Station化学空间, 欢迎点击按钮分享,未经许可,谢绝转载.
译自Chem-Station网站日本版 原文链接:第150回―「触媒反応機構を解明する計算化学」Jeremy Harvey教授
翻译:炸鸡 校对:Jiao Jiao
第150回海外化学家采访的是天主教鲁汶大学化学系的Jeremy Harvey教授,Jeremy Harvey教授主要研究用计算电子结构的方法阐明化学反应的机理。下面是这次的采访。
我其实对大爆炸什么的不感兴趣(我双眼和双手都还在),我被触手可及的化学变换的神奇魅力倾倒了。我现在都还记得十几岁时把铁和硝酸混合在一起弄出烟雾状的二氧化氮气体来玩的样子。那可比物理有趣多了!
我倒是啥工作都不想干了,单纯只想享受下悠闲的时光,读读我喜欢的东西,写写感兴趣的东西和其他人聊聊感兴趣的东西。
我很多年以来大部分时间都在从事催化作用的研究,这也是我们组现在主要的研究主题。在这么多年的研究中,我做了很多刺激的事情。现在我最开心的是与一位非常优秀的博士后Dave Glowacki一起进行的一项研究,该研究涉及描述复杂反应系统的势能面的开发,以及关于这些系统所表现出的反应性的动力学探索技术,这会有助于我们理解催化反应的成因并改良催化剂。
亨利·艾林(墨西哥出生的美国理论化学家)。他毫无疑问是上世纪30年代那个人们还对新兴的量子论对化学反应的理解意味着什么感到茫然的年代的关键人物。他创立的方程已经是我化学思考模式的一部分了。我和他不是一个时代的人也非同一学术背景,但我仍然非常渴望能和他就我们之间的差异进行促膝长谈。
现在我做的实验基本就是把化学物质混合在一起然后观察它们的反应。这个实验我已经做了很多年了,从15年前在柏林的Helmut Schwarz手下做博士后用质谱仪观测离子反应就开始了。作为一个计算化学家,我认为计算—尤其是模拟就像是“实验室里的实验”,令人高兴的是,直到现在我还在自己做一些计算。主要是计算了作为生物催化剂模型的过渡金属化合物的键能。
那我是得带点能消磨长时间的东西了。带Bach的《St Matthew Passion》和Proust的《Remembrance of Things Past》录音带就很好。
我想看采访一些年轻的科学家,比如博士在读学生和博士后学生。
本文版权属于 Chem-Station化学空间, 欢迎点击按钮分享,未经许可,谢绝转载
译自Chem-Station网站日本版 原文链接:第146回―「原子から社会までの課題を化学で解決する」中村栄一 教授
翻译:炸鸡 校对:JiaoJiao
第146回海外化学家采访的是日本东京大学理学研究科化学专攻的负责教授物理有机化学的中村荣一教授,中村教授活跃在有机合成,物理化学和纳米科学等领域。下面是这次的采访。
一部分要归功于我的父亲,我的父亲Goro Nakamura是一名采矿工程师,他从前经常给我看了一些美丽的矿物和无机晶体样品。我的高中恩师Hisao Fukuoka教我我体会了徒步旅行的乐趣和欣赏野外美丽的花朵。此外,艺术和音乐老师Hiroya Shiroki和Ichiro Tada教给了我艺术活动的乐趣,艺术已经成为了我作为化学家生活中不可或缺的业余活动。
我对用黄铜板制造HO型蒸汽机车(一种蒸汽机车类型)很感兴趣,所以我可能成为建筑师或是机械师。说起来,我现在也算是“分子”建筑家了。
为解决原子水平问题(通过电子显微镜来研究分子)和社会问题(常见元素的催化剂利用,涂层有机太阳能电池的工业化,基因导入)开辟新的化学领域。
公元前323年,巴比伦的亚历山大大帝在东方之旅的途中,构想了欧洲和亚洲的统一,并于公元前326年渡过了印度河。这一历史事件的影响,也波及到了几百年后的日本。亚里士多德是亚历山大大帝的老师,我想听听亚历山大大帝少年时代从亚里士多德那里学到了什么。
最后一次做实验是在上世纪80年代后期,当时自己的格氏反应溶液冲到了实验室的天花板。不过直到20世纪90年代中期,我还在自己的计算机上继续进行实验。
与其听别人的音乐,还不如自己带上乐谱和乐器,一直享受着演奏的乐趣。
向山光昭老师和吉尔伯特·斯托克老师。他们是最后能够讲述现代有机合成化学黎明时期的巨人。他们也是我的导师。
本文版权属于 Chem-Station化学空间, 欢迎点击按钮分享,未经许可,谢绝转载
Nobilisitine A、是从Clivia nobilis 中分离提取出来的一种生物碱,具有抗真菌活性(金黄色葡萄球菌,人体白色念球菌)。1999年由Evidente等人从植物中提取获得[1]。当时通过1H NMR与13C NMR分析,推测出具有下图(1)所示的结构。然而、2010年Banwell等人实现了Nobilisitine A的全合成、然而NMR谱图与Evidente等人提取出来的不同[2]。Banwell 等人通过X射线单晶衍射分析确定了其结构,这也揭示了Evidente等人当时提倡的化学结构是错误的。
2011年Tantillo等人、通过计算化学进行了Nobilisitine A的NMR谱图计算[3]。
Nobilisitine A含有32个stereo isomer。Dean等人详细解析了Evidente课题组分离提取得到的Nobilisitine A的NMR谱图、他们推测C/D環应该是cis缩环。从而把32个可能性缩小到了8个stereo isomer异构体。
不仅仅要考虑Stereo isomer、在计算flexible化合物的计算的时候,还需要考虑构象问题。因此考虑到8种stereo isomer中的每一种都有构象异构体,这将是一个巨大的数字。Banwell等人进行X射线单晶衍射进行了结构解析、构象也很明确,因此、Tantillo等人就着眼于Banwell等人的NMR谱图,进行计算,
通过DFT计算、计算值与实验值相比,仅仅具有1H NMR平均 0.31ppm、13C NMR平均3.4 ppm的微小偏差。由此证实,他们所用的计算的函数是非常切实有效的,通过计算化学可以预测Nobilisitine A的结构。
之后、Tantillo等人进行了上图所示的化合物的计算,通过实测值与计算值的比较,认为偏差最小的化合物4为Nobilisitine A的结构。今后只需要实现化合物4的全合成来验证该计算的预测是不是正确。
本文版权属于 Chem-Station化学空间, 欢迎点击按钮分享,未经许可,谢绝转载!
Dean J. Tantillo (1973年xx月xx日-), 是美国计算化学家。加州大学戴维斯分校教授。(写真 http://blueline.ucdavis.edu)
1991-1995 AB degree Harvard University
1995-2000 Ph.D UCLA (Prof. Ken Houk)
2000-2003 postdoctoral Associate Cornell University (Ronald hoffmann)
2003-2008 Assistant Professor UC Davis
2008-2011 Associate Professor UC Davis
2011- Professor UC Davis
计算化学大牛Kendall Houk实验室获得的博士学位。当时,其博士的研究内容是使用QM/MM进行酶促反应的解析。自己独立后,主要集中于小分子化合物的计算。特别是关于天然产物的生物合成反应机理的理论计算。
萜烯是由甲羟戊酸途径产生的具有异戊二烯C5结构单元的化合物。虽然GPP、FPP、GGDP等起始原料不同,然而它们进行的生物合成路径有一个共同点,都是以环化酶的活性中心存在的Mg进行二磷酸消除开始的反应。二磷酸的消除产生的碳正离子的稳定化过程是反应进行的驱动力。
(图引用自文献[1])
而且,在萜烯的环化反应中,经常发生氢转移。Tantillo等人的理论计算结果表明其实这不是氢转移,实际上是质子转移[2]。
另外,虽然广泛认为反应的过渡态,反应中间体的碳正离子为3级碳正离子,而报道表明实际上是离域形式的非典型的碳正离子存在。
本文版权属于 Chem-Station化学空间, 欢迎点击按钮分享,未经许可,谢绝转载!
Donna G. Blackmond (1958年4月19日-)美国和英国双重国籍,物理有机化学家,现为美国Scripps研究所教授。(D. G. Blackmond课题组主页)
研究领域
使用现代实验工具(原位核磁,原位红外等)对反应进程进行原位检测使得我们可以对复杂的催化反应过程有更深层次的了解。此概念是Blackmond教授于上世纪90年代提出,将高度准确的原位数据与严格的数学分析相结合,提供一种可视化的图形,快速确定反应物的浓度依赖关系,制药行业中得到了重要应用,基于Blackmond动力学分析的精简过程正在成为行业标准。
Scheme 1-1 反应动力学分析
催化反应是包含多个连续和同时步骤的动态系统;对这些反应进行时间监测,结合其他光谱和结构工具,可以提供大量信息,远远超出简单的产量和选择性测量。Blackmond小组的方法是在对不明确的反应机理的研究开始,采用动力学研究来提出可能的反应机理,且这种“动力学辅助机理分析”有助于设计进一步的支持实验。该法对于复杂有机反应和反应网络进行机理研究的突出例子包括不对称氢化,不对称有机催化反应,Pd催化的C-C和C-N键形成反应,以及过渡金属催化的竞争反应
Scheme 1-2催化反应机理的研究
Blackmond小组的实验和理论研究得出催化剂ee值和反应速率之间的关系,补充研究产物ee值来作为催化剂ee值函数的标准工具。Blackmond教授的工作提供一种测试非线性效应模型的方法,并扩展非线性效应研究的方面。这项工作中提出的概念促使Blackmond教授考虑所谓的“极端非线性效应”,非线性,生物同手性起源的延伸,进行第一次动力学研究,并开发出第一个动力学模型,探索了Soai自催化反应中不对称扩增机理。
Scheme 1-3 非线性效应
4生物同手性和氨基酸相行为3, 4
最近,Blackmond教授扩展模型的范围,使生物同手性的起源从纯粹基于化学反应到手性分子的物相行为以及化学和物理过程的组合的提议合理化。她已经证明,通过对映体的溶液-固体分配,可以从外消旋混合物生产高度对映体富集的氨基酸溶液。在这种系统中进行的由氨基酸催化的反应显示出与高度对映体富集的溶液组合物一致的非线性产物ee值。随后发现可以通过选择性改变晶体结构和溶解度的添加剂来“调整”共晶组合物,从而大大扩展了该概念的范围。这种区别对于有关同手性发展过程的情景具有重要意义。
本文版权属于 Chem-Station化学空间, 欢迎点击按钮分享,未经许可,谢绝转载!