[發明專利]一種含雙碲生物可降解聚合物及其制備方法有效
| 申請號: | 201710919281.4 | 申請日: | 2017-09-30 |
| 公開(公告)號: | CN107541530B | 公開(公告)日: | 2021-05-14 |
| 發明(設計)人: | 郎美東;劉佳 | 申請(專利權)人: | 華東理工大學 |
| 主分類號: | C12P7/62 | 分類號: | C12P7/62 |
| 代理公司: | 上海順華專利代理有限責任公司 31203 | 代理人: | 李鴻儒 |
| 地址: | 200237 *** | 國省代碼: | 上海;31 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 含雙碲 生物 降解 聚合物 及其 制備 方法 | ||
本發明公開了一種如式(I)所示的含雙碲生物可降解聚合物,其中m為1~20的整數;n為1~20的整數;p為1~10的整數;m'為10~1000的整數;n'為10~1000的整數;R為碳或氧。本發明還公開了制備所述含雙碲生物可降解聚合物的方法。本發明以官能化雙碲小分子和內酯為原料,在溫和反應條件下,通過酶催化開環反應的方式成功的將雙碲鍵引入到可生物降解的聚合物中,反應過程副產物少,產率高,制得的含雙碲聚合物具有優異的光環境響應性能。
技術領域
本發明屬于生物可降解材料技術領域,涉及一種含雙碲生物可降解聚合物及其制備方法。
背景技術
聚碳酸酯(PTMC)和聚己內酯(PCL)是被FDA批準用于生物醫療領域的生物可降解材料。這些聚酯具有良好的生物相容性以及優異的力學性能,被廣泛地應用到組織工程、藥物緩釋、基因療法、植入器械和再生醫療等領域。
最近,由于雙硫鍵和雙硒鍵能在特定的環境下發生斷裂和重組的特性,雙硫化合物和雙硒化合物在自修復聚合物和環境響應性方面有很多的應用(Otsuka H,Nagano Setal. Chemical communications 2010;46:1150-2;Ji S etal.Advanced materials2015;27:7740-5)。
雙碲鍵的鍵能低(127KJ/mol)(Kildahl NK.Journal of Chemical Education1995;72: 423-4),比雙硫鍵、雙硒鍵的鍵能更低,能在更溫和的環境下發生斷裂和重組(Granger Petal.Journal of Organometallic Chemistry 1981;220:149-58.)在自修復聚合物和環境響應性方面有更加的應用前景。但是,雙碲化合物或者中間體在光照和氧氣條件下不穩定容易發生分解或者團聚,使得雙碲化合物制備困難,限制了雙碲化合物的應用。目前含雙碲聚合物的研究很少,而且這些聚合物不能生物降解(Al-Rubaieetal.Applied Organometallic Chemistry 2002;16:649-54.)。將雙碲鍵引入到可生物降解的聚碳酸酯 (PTMC)和聚己內酯(PCL)主鏈中這在動態共價鍵聚合物和環境響應性聚合物方面具有重要的意義。
發明內容
因此,本發明的目的在于將雙碲鍵引入到可生物降解的聚碳酸酯(PTMC)和聚己內酯(PCL)主鏈中,提供一種含雙碲生物可降解聚合物及其制備方法。
本發明的含雙碲生物可降解聚合物結構如式(I)所示,
其中m為1~20的整數;n為1~20的整數;p為1~10的整數;m'為10~1000的整數;n'為10~1000的整數;R為碳或氧。
較佳的,m為2~6的整數,優選2或3;n為2~6的整數,優選2或3;p為1~6的整數,優選1或2;m'為10~100的整數,優選30~50;n'為10~100的整數,優選30~50。
以下為本發明的幾種具體的含雙碲生物可降解聚合物:
本發明制備所述含雙碲生物可降解聚合物的方法包括步驟:其包括步驟:式Ⅱ所示的官能化雙碲小分子和Ⅲ所示的內酯在諾維信脂肪酶435的催化作用下,在甲苯中50~85℃反應8~48小時,得到式(I)所示的含雙碲生物可降解聚合物,
其中m、n、p、m'、n'和R的定義如權利要求1所述。
較佳的,式Ⅱ所示官能化雙碲小分子與式Ⅲ所示內酯的摩爾比為1:10~1:1000。
較佳的,諾維信脂肪酶435的用量為1~10g/100g式Ⅲ所示內酯。
較佳的,甲苯的用量為1~10mL/g式Ⅲ所示內酯。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于華東理工大學,未經華東理工大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710919281.4/2.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種基于機器學習的海量數據中檢測異常值的方法
- 下一篇:電動吸塵器





