多羰基甾酮的选择性还原反应研究

在不同金属离子存在下,多羰基甾酮的甾核及支链上都发生了羰基与硼氢化钠的还原反应,得到具有不同的区域选择性和立体选择性的还原产物.     

圆裂短足软珊瑚Cladiella krempfi中的甾醇苷

软珊瑚中富含各种萜类、甾类和糖苷[1～ 3] .Christopher[4 ] 和 Bheemasankara[5] 等先后对圆裂短足软珊瑚 Cladiella krempfi中的次生代谢产物进行了研究 ,先后分离得到 5个西松烷二萜 .本文报道从广西涠洲半岛采集的圆裂短足软珊瑚 Cladiella krempfi中首次分离得到 2个甾醇苷 1和 2 ,其中 1是新化合物 .化合物 2曾从南中国海的豆荚软珊瑚 Lobophyton sp.中分离得到 ,它对人体鼻咽癌 (Cne 2 )和肝癌 (Pep-G2 )细胞生长有抑制作用[6 ] .化合物 1和 2的结构如下 :1　结果与讨论化合物 1经 Liebermann-Burchard试验呈甾醇正颜色反应 ,M…     

海绵Phacelliafusca中含氮化合物的分离与结构鉴定

从采自中国南海西沙群岛海域的海绵Phacellia fusca Schmidt中得到4个含氮 化合物。经~1H NMR,~(13)C NMR,HMQC,HMBC,~1H-~1HCOSY,FABMS和EIMS等光谱分析 ，确证其结构分别为：N,N'-二[2-乙氧基-1（Z）-乙烯基]脲（1），2- Bromoaldisin(2),Aldisin(3)Dibromophakellin盐酸盐(4)。其中化合物1为一具有 对称结构的新脲类化合物，命名Phacelliaurea A；化合物4是首次从该海绵中分离 得到的已知胍基生物碱，首次报到了它的~(13)C NMR数据及其归属。     

氯代烷烃温和条件下间接与二氧化碳的羰基化反应

羰基化反应是有机合成化学中常用的方法之一,其合成产品分别可以为醛、酮、酯、酸和酰胺等一系列化合物,可用作溶剂、增塑剂、涂料、催化剂、润滑剂以及天然产物的替代品.但是常规的羰基化反应大多要求高温(150～200℃)高压(10～20 MPa)或使用贵金属催化剂(如钌、铑、铱等),并且C1源多用一氧化碳[1].     

2,3—二氯异丁酸,邻菲咯啉稀土三元配合物的合成与表征

稀土与羧酸形成的多元配合物有许多特殊的结构[1]和发光性能因而受到广泛关注。羧酸及邻菲咯啉与稀土形成的三元配合物中,邻菲咯啉作为获光中心具有“天线效应”[2,3],研究此类稀土多元配合物可以为探索新的光致变色材料提供有用的信息。据文献[1]报道,稀土与邻菲咯啉及羧酸的多元配合物有单核和双聚二种结构,据我们对文献[2～11]的分析,发现形成哪一种结构与反应物是一次性同时加入,还是先制得二元配合物然后再加入另一个配体合成三元配合物的反应过程有关。先制取羧酸稀土二元配合物再加入配体phen一般易得到单核三元配合物[5～9]。本文选…     

吉西他滨类似物的设计、合成及体外抗肿瘤活性

吉西他滨是临床一线治疗恶性肿瘤的药物,但其4-位氨基(N4)易与脱氧胞苷脱氨酶(CDA)作用而失活,导致代谢稳定性差,严重影响了临床治疗效果。以吉西他滨为起始原料,经3步反应合成了N4保护的脂溶性吉西他滨衍生物(3a和3b),其结构经1H NMR,13C NMR和HR-MS(ESI)表征。体外活性测试结果显示:化合物3a对多种肿瘤细胞的抗增殖作用均强于临床药物吉西他滨(P<0.05)。酶稳定性实验结果表明:3a几乎不受CDA影响,代谢稳定性显著高于原药吉西他滨。     

中美无机化学课程比较与探讨*——以美国康奈尔大学与河北工业大学无机化学课程为例

以河北工业大学和美国康奈尔大学的无机化学课程为例,从教材设置、教学方法和课程考核评价方式等方面对该课程教学进行了对比探讨,以期构建一套符合我国国情且具有国际视野的无机化学新的课程体系,能为国内高校本科无机化学课程的教学改革提供参考,提高其教育教学质量,促进本科人才培养。     

聚晶立方氮化硼刀具切削高锰钢的磨损机制

在半精加工试验条件(切削深度ap=0．5mm，进给量f=0．3mm／r，干切)下研究了聚晶立方氮化硼刀具切削奥氏体高锰钢时的磨损机制，用WDH-Ⅱ型光电温度计测量了切削温度，用工具显微镜测量后刀面磨损量，进而考察了切削时间和切削速度对后刀面磨损量的影响，采用S-250MK型扫描电子显微镜观察刀具前、后刀面的磨损形貌和组成变化．结果表明：当切削温度为400～750℃时，聚晶立方氮化硼刀具同高锰钢中的γ相及其析出相(Fe，Mn)3C之间产生严重的机械磨损；当切削温度超过800℃时，聚晶立方氮化硼刀具同高锰钢单一γ相之间产生扩散磨损；聚晶立方氮化硼刀具适合于高速切削.     

基于深度学习的两分量BEC中量子相变点的识别

识别物质的相变是物理学研究中一个重要问题.本文采用了一种混淆标签方案的卷积神经网络算法来识别两分量玻色-爱因斯坦凝聚(BEC)中量子相变点,通过计算神经网络输出的准确率,得到W型性能曲线,此性能曲线中间的极大值对应着量子相变的临界点.研究结果表明,深度学习得到的量子相变点与解析计算值吻合度较高.此混淆标签方案的深度学习研究方法可以应用到存在两种相的相变体系.