[发明专利]新型苔清香型化合物4-甲氧基橄榄醇酸乙酯、其制备方法及应用有效
| 申请号: | 201911334583.0 | 申请日: | 2019-12-23 |
| 公开(公告)号: | CN111116371B | 公开(公告)日: | 2022-02-01 |
| 发明(设计)人: | 康明娥;黄艳;崔秀明;杨君;邬帅帆;夏炎;徐晓炯 | 申请(专利权)人: | 华宝香精股份有限公司 |
| 主分类号: | C07C69/92 | 分类号: | C07C69/92;C07C67/36;C11B9/00;A23L27/20;A24B3/12 |
| 代理公司: | 北京君智知识产权代理事务所(普通合伙) 11305 | 代理人: | 黄绿雯 |
| 地址: | 201821 *** | 国省代码: | 上海;31 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 新型 香型 化合物 甲氧基 橄榄 醇酸乙酯 制备 方法 应用 | ||
本发明涉及一种新型苔清香化合物4‑甲氧基橄榄醇酸乙酯的开发及其应用,包括该化合物的制备方法及其应用。本发明4‑甲氧基橄榄醇酸乙酯制备方法是以2‑溴代4‑甲氧基橄榄醇为原料,在碱性条件和适量的鈀试剂及配体下,以乙醇和一氧化碳为反应物,经中低压密闭加热反应,最后经柱层析分离得到。该产品的应用适合以纯品形式或与其它香料物质相配的混合物质作为烟草、食品、日化的芳香物质混合使用。
【技术领域】
本发明属于香精香料技术领域,特别涉及一种新型苔清香料,更具体地,涉及4-甲氧基橄榄醇酸乙酯及其制备方法,还涉及4-甲氧基橄榄醇酸乙酯在香精香料中的应用。
【背景技术】
苔清香型香料是指生长于橡树的地衣Everniaprunastri提取物—橡苔和生长于松柏的地衣Pseudevernia furfuracea提取物—树苔,广泛应用于日化、食品工业。在生态环境不断恶化的全球现状,该类产品的产量日渐衰减,此类产品的供需关系矛盾将日益扩大。同时由于该类提取物的含有芳香醛类的光敏物质,因此2017年8月2日,欧盟委员会发布(EU)2017/1410号法规,修订化妆品法规(EC)No1223/2009的附录II禁用物质清单和附录III限用物质清单。修订内容中禁用物质清单增加了苔黑醛(atranol)、氯化苔黑醛(chloroatranol)3种化学物质。其中苔黑醛和氯化苔黑醛是树苔浸膏和橡苔浸膏中的重要组成成份之一,这意味着日化香精中天然提取的树苔和橡苔浸膏几乎不能应用,需要寻找其他香气或香气、功效相似的物质进行替代。
4-甲氧基橄榄醇酸乙酯是基于上述考虑而开发出的一款具有苔清香的化合物,该化合物尚未见合成及应用报道。
【发明内容】
[要解决的技术问题]
本发明的目的是提供一种新型苔清香化合物,并提供其制备方法及其应用。
[技术方案]
为了实现上述目的,本发明提供一种新型苔清香化合物4-甲氧基橄榄醇酸乙酯,其结构式如式II所示:
进一步地,本发明还提供上述4-甲氧基橄榄醇酸乙酯的制备方法,所述方法包括以下步骤:
1、制备4-甲氧基橄榄醇酸乙酯粗品
以2-溴代4-甲氧基橄榄醇、碳酸钾与乙醇重量比计1:0.25~2.5:1~20称取2-溴代4-甲氧基橄榄醇、碳酸钾和乙醇,混合均匀后得到混合物,在惰性气体保护下,以2-溴代4-甲氧基橄榄醇、钯试剂与配体重量比计1:0.01~0.1:0.02~0.5称取鈀试剂和配体并加入所述混合物中,混合均匀后在密闭反应体系中充入一氧化碳气体至压力为0.5MPa~5.0MPa,然后加热反应混合物8~16h,得到4-甲氧基橄榄醇酸乙酯粗品;
2、提纯
过滤步骤(1)得到的4-甲氧基橄榄醇酸乙酯粗品,向所得滤液添加重量浓度10~50%的稀酸水溶液,调节pH至中性,得到反应液;以反应液与乙酸乙酯的体积比计1:1~4向反应液加入用乙酸乙酯并混合,然后萃取,合并萃取相,然后脱溶,通过柱层析分离得到4-甲氧基橄榄醇酸乙酯。
在本发明中,2-溴代4-甲氧基橄榄醇的结构式如式I所示:
在本发明中,所述钯试剂选自氯化钯、醋酸钯、四三苯基膦钯或二氯二三苯基膦钯。
所述稀酸水溶液为盐酸溶液或甲酸溶液。
所述配体选自三苯基膦、三正丁基膦、1,1'-双(二苯基膦)二茂铁(DPPF)或(±)-2,2'-双-(二苯膦基)-1,1'-联萘(BINAP)。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华宝香精股份有限公司,未经华宝香精股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911334583.0/2.html,转载请声明来源钻瓜专利网。
- 上一篇:拱坝损伤预测方法及装置
- 下一篇:保护数据隐私的模型训练、预测方法及其系统





