清华大学化学系罗三中

kaopu

罗三中，清华大学化学系教授、博士生导师、清华大学基础分子科学中心主任、中国科学院大学岗位教授。1999年获郑州大学学士学位；2002年获南开大学硕士学位（导师：程津培教授）；2005年获中科院化学研究所博士学位（导师：程津培教授），读博期间作为访问学生到美国俄亥俄州立大学学习一年（导师：王鹏教授）；2005年博士毕业后加入中科院化学研究所工作，其中2009年到美国斯坦福大学从事访问学者工作（合作导师：B. M. Trost教授）。2018.7至今在清华大学化学系担任教授。2010年获国家杰出青年科学基金资助，2017年入选“万人计划”领军人才。研究领域包括：仿生小分子催化合成、物理有机和理论化学研究、方法学导向功能分子合成。作为通讯作者在Angew. Chem. Int. Ed.、J. Am. Chem. Soc.、Acc. Chem. Res.、Chem. Rev.等杂志发表多篇高水平论文。曾获2008中国化学会青年化学家奖、2009中国科学院卢嘉锡青年人才奖、2011和2015 Asian Core Program Lectureship、 2012 Thieme Journal Award、2014中国青年五四奖章、2016中国化学会手性青年化学奖、2017中国化学会物理有机青年奖等多个国内外奖项。

罗三中，1977年11月出生，博士
清华大学化学系教授，清华大学基础分子科学中心常务副主任
Tel: 010-62781395;
Email: luosz@tsinghua.edu.cn  


教育背景
1995-1999年，郑州大学化学系，本科
1999-2002年，南开大学化学学院，硕士，导师：程津培 教授
2002-2005年，中国科学院化学研究所，博士，导师：程津培 教授
2004-2005年，美国俄亥俄州立大学，访问学生，糖化学生物学，指导老师：王鹏 教授


工作履历
2005-2007年，中国科学院化学研究所，助理研究员
2007-2011年，中国科学院化学研究所，副研究员，课题组长
2009.1-10， 美国斯坦福大学，访问学者，过渡金属催化研究，合作导师： B. M. Trost 2011-2017，中国科学院化学研究所，研究员，博士生导师
2017.8-     ， 清华大学化学系，教授


学术兼职
《有机化学》编委；
Organic Chemistry Frontiers国际顾委
中国化学会物理有机专业委员会委员兼秘书长
中国化学会手性专业委员会委员
中国化学会均相催化委员会委员
中国青年科技工作者协会理事
中国科学院青年联合会常务理事
中国科学院青年创新促进会理事长（2011-2015）


研究领域
(1) 仿生小分子催化合成；（2）超分子催化； (3) 物理有机研究； (4)功能分子设计与合成


奖励与荣誉
2007年获北京市科技新星计划资助；
2008年获中国化学会青年化学家奖；
2009年获中国科学院卢嘉锡青年人才奖；
2010获国家杰出青年基金资助;
2011年Asian Core Program Lectureship (马来西亚)；
2011年入选中国科学院青年创新促进会，任理事长(2011-2015)；
2012年获Thieme Journal Award；
2012年入选中组部万人计划青年拔尖人才计划；
2013年获评为中科院北京分院“启明星”优秀人才；
2014中科院化学所化学科学奖教金创新奖，
2014年中国青年五四奖章；
2015年中国科学院青年创新促进会优秀会员
2015年ACP Lectureship (日本，新加坡)
2016年中国化学会手性青年化学奖
2016年，入选科技部中青年科技创新领军人才
2017年，入选中组部万人计划领军人才
2017年， 中国化学会物理有机化学青年奖


学术成果
近五年代表性工作：
1） Lihui Zhu, Long Zhang, Sanzhong Luo* “Catalytic Desymmetrizing Dehydrogenation of 4-Substituted Cyclohexanones through Enamine Oxidation” Angew. Chem. Int. Ed., 2018, 57, 2253-2258.
2） Yang'en You, Long Zhang, Linfeng Cui, Xueling Mi, Sanzhong Luo* Catalytic Asymmetric Mannich Reaction with N-Carbamoyl Imine Surrogates of Formaldehyde and Glyoxylate Angew. Chem. Int. Ed., 2017, 56, 13814-13818.
3） Le Wang, Jian Lv*, Long Zhang, and Sanzhong Luo* Catalytic Regio- and Enantioselective [4+2] Annulation Reactions of Non-activated Allenes by a Chiral Cationic Indium Complex Angew. Chem. Int. Ed., 2017, 56, 10867-10871.
4） Zhou, H.; Wang, Y.; Zhang, L.; Cai, M.; Luo, S.* Enantioselective Terminal Addition to Allenes by Dual Chiral Primary Amine/Palladium Catalysis J. Am. Chem. Soc. 2017, 139, 3631-3634.
5） Yang, Q.; Zhang, L.; Ye, C.; Luo, S.*; Wu, L.-Z.*; Tung, C.-H. Visible-Light-Promoted Asymmetric Cross-Dehydrogenative Coupling of Tertiary Amines to Ketones by Synergistic Multiple Catalysis  Angew. Chem. Int. Ed. 2017, 56, 3694.
6） Zhu, Y.; Zhang, L.; Luo, S.* Asymmetric Retro-Claisen Reaction by Chiral Primary Amine Catalysis J. Am. Chem. Soc., 2016, 138, 3978–3981.
7） Lv, J.; Zhang, Q.; Zhong, X.; Luo, S.* Asymmetric Latent Carbocation Catalysis with Chiral Trityl Phosphate J. Am. Chem. Soc., 2015, 137, 15576-15583.
8） Zhou, H.; Zhang, L.; Xu, C.; Luo, S.* Chiral Primary Amine/Palladium Dual Catalysis for AsymmetricAllylic Alkylation of b-Ketocarbonyl Compounds with Allylic Alcohols
Angew. Chem. Int. Ed. 2015, 54, 12645-12648.
9） Zhang, L.; Fu, N.; Luo, S. Z.* Pushing the limits of aminocatalysis: Enantioselective Transformations of a-Branched b-ketocarbonyls and vinyl ketones by chiral primary amines Acc. Chem. Res. 2015, 48, 986-997.
10）Zhang, Q.; Cui, X.*; Zhang, L.; Luo, S. Z.*; Wang, H.; Wu, Y. J.* Redox Tuning of a Direct Asymmetric Aldol Reaction Angew. Chem. Int. Ed. 2015, 54, 5210-5213.

kaopu

酸解离常数（pKa）是最重要的有机化学基础数据之一，是衡量化合物解离氢质子能力的热力学标度，其在合成化学、生物化学、药物化学、精细化工等诸多领域均有重要应用。虽然目前已有近两万个化合物的35000个pKa实验数据被报道（iBond数据库统计），但受限于化合物稳定性、溶解性等多方面限制，众多重要化合物的pKa数据仍然缺失，并且目前大部分pKa测定是在水相进行的，对于合成化学及精细化工极其重要的有机溶剂中pKa数据极其匮乏。因此，开发化合物水相以及有机相pKa数据的精确预测方法是当前工业和学术界都广泛关注的热点问题。最近，清华大学化学系基础分子科学中心的罗三中研究团队依托ibond数据库丰富全面的pKa数据，采用机器学习策略开发了pKa全局预测模型，为快速获得可靠的pKa数据提供了解决方案。

        iBond数据库是由清华大学程津培院士领衔创建的全球最权威的键能数据库，其收集了文献报道的两万余种化合物的约三万五千个准确pKa数据。研究团队对iBond数据库中已有数据进行了系统整理标记，形成了种类丰富、溶剂分布广泛、数据分布合理的数据集。在自此基础上，团队引入了结合化合物结构特征和物理化学性质的SPOC描述符对化合物进行精确描述，并采用当前流行的XGBoost和神经网络算法构建了高精度预测模型。该预测模型可以实现不同溶剂中化合物pKa的同时预测，并能够对包括O-H、N-H、C-H在内的各种不同酸性氢进行准确的pKa预测，精度可达到0.87pK单位。团队分别选择了若干药物分子和小分子催化剂对水相及有机相的预测能力进行了测试，研究表明对药物分子的水相pKa预测的平均误差可低至0.44，对有机小分子有机相pKa预测的平均误差则在1 pK单位左右。
        该成果以“Holistic Prediction of pKa in Diverse Solvents Based on Machine Learning Approach”为题发表在国际著名期刊德国应用化学上（Angew. Chem. Int. Ed.），论文第一作者为杨骐博士，通讯作者为清华大学罗三中教授和张龙副研究员。同时论文成果以网站形式开放给学术界使用（http://pka.luoszgroup.com）。