一种门冬氨酸左旋氨氯地平原料药、片剂及制备方法

    公开(公告)号:CN118598799A

    公开(公告)日:2024-09-06

    申请号:CN202410636673.X

    申请日:2024-05-22

    Abstract: 本发明涉及一种门冬氨酸左旋氨氯地平原料药、片剂及制备方法。其中门冬氨酸左旋氨氯地平原料药采用以下方法制备得到:将氨氯地平碱、L‑酒石酸和添加剂混合进行拆分反应;使用二氯甲烷、水和碱性水溶液对得到的s‑氨氯地平‑L‑酒石酸盐进行萃取得到左旋氨氯地平;将左旋氨氯地平溶于无水乙醇,加入门冬氨酸和水进行反应;过滤后待滤液冷却,旋干、干燥后即得门冬氨酸左旋氨氯地平原料药。门冬氨酸左旋氨氯地平片剂包括以下重量份组分:门冬氨酸左旋氨氯地平原料药5‑15份,填充剂31‑63份,崩解剂1‑4份,润滑剂0.5‑2份,二氧化硅0.4‑0.8份。与现有技术相比,本发明制备方法简单,门冬氨酸左旋氨氯地平原料药溶解度较好,门冬氨酸左旋氨氯地平片剂溶出率较高。

    一种3-氧-N-(4-三氟甲基苯基)丁酰胺的制备方法

    公开(公告)号:CN112457210A

    公开(公告)日:2021-03-09

    申请号:CN202011231901.3

    申请日:2020-11-06

    Abstract: 本发明涉及一种3‑氧‑N‑(4‑三氟甲基苯基)丁酰胺的制备方法,其中通过乙酰乙酸乙酯与对三氟甲基苯胺进行酰胺化反应,得到3‑氧‑N‑(4‑三氟甲基苯基)丁酰胺,反应过程以过量的对三氟甲基苯胺作为溶剂,反应过程所采用的催化剂为有机碱催化剂。与现有技术相比,本发明通过乙酰乙酸乙酯与对三氟甲基苯胺进行酰胺化反应,后处理得产物3‑氧‑N‑(4‑三氟甲基苯基)丁酰胺;其中3‑氧‑N‑(4‑三氟甲基苯基)丁酰胺的合成操作简单,成本低、收率高,避免了易挥发有毒有机溶剂的使用以及废气排放,工艺路线绿色环保;所得产物杂质少、目标产物纯度高,原料易回收套用,后处理操作简单,缩短了反应时间,适用于工业化生产。

    一种基于AZD9291的生物标记物及其制备方法与应用

    公开(公告)号:CN112110934A

    公开(公告)日:2020-12-22

    申请号:CN202011010818.3

    申请日:2020-09-23

    Abstract: 本发明涉及一种基于AZD9291的生物标记物及其制备方法与应用,其中生物标记物的结构式为: 其中,n和m为2‑20的整数,R1包括H、C1‑C10烷基、C1‑C10烷氧基或卤素中的一种;R2包括H、C1‑C5烷基、C1‑C5烷氧基、氨基、硝基、羟基或卤素中的一种;制备方法包括:将具有如式(II)所示结构的化合物与具有如式(III)所示结构的化合物进行点击化学反应,之后再经过后处理即制备得到所述的生物标记物, 与现有技术相比,本发明制备方法简单、操作方便、条件温和,所制备的化合物对于非小细胞肺癌预防、诊断或治疗具有应用价值。

    一种4-氧代吡咯烷衍生物及其制备方法与应用

    公开(公告)号:CN119735539A

    公开(公告)日:2025-04-01

    申请号:CN202411786637.8

    申请日:2024-12-06

    Abstract: 本发明涉及一种4‑氧代吡咯烷衍生物及其制备方法与应用,所述4‑氧代吡咯烷衍生物的结构式为#imgabs0#其中:R1和R2各自独立地选自直链或支链的C1~C18的烷基;Y选自氟原子,氯原子,溴原子,甲磺酰基,对甲苯磺酰基,硝基苯甲磺酰基,三氟甲磺酰基。其制备过程如下:式(Ⅱ)所示的化合物和式(Ⅲ)所示的化合物在碱性条件下,于非质子性溶剂中反应20~28h,经过后处理后,得到式(Ⅰ)所示的化合物,其反应路线如下:#imgabs1#与现有技术相比,本发明的制备方法,其收率高,副产物占比低,溶剂成本低,可用于制备莫西沙星中间体。

    一种基于漂移填充的化学分子表征方法和系统

    公开(公告)号:CN117727385A

    公开(公告)日:2024-03-19

    申请号:CN202311624552.5

    申请日:2023-11-30

    Abstract: 本发明涉及一种基于漂移填充的化学分子表征方法和系统,方法包括以下步骤:S1:获取数据;S2:预处理数据:创建词汇表(词汇表尺寸为词数N),制定预处理规则,处理后将语料库中不同长度的SMILES序列切片成不同长度的列表,得到预处理后的数据;S3:进阶数据处理:将S2中预处理完的数据通过Word2vec模型和One‑hot模型转化为Transformer的输入与输出,形成训练语料,作为深度学习模型的输入数据;S4:模型训练与优化:Transformer模型基于编码器和解码器的输入,生成数据传递给全连接网络输出预测向量,结合One‑hot生成的输出目标数据优化模型。与现有技术相比,本发明实现深度学习中序列问题的数据平移不变性,提升了分子序列输出的准确率并准确地表征了化学分子的特征。

Patent Agency Ranking