手性与我们的日常生活和健康息息相关，随着生命科学和医药事业的快速发展，人们对光学纯单一对映体的需求越来越高，由于对映体性质几乎相同，对映体拆分是一项艰巨的任务，尤其是药物对映体的拆分。高效液相色谱法是对映体拆分中最常用和最有效的分析技术之一，将手性配体键合在硅胶基质上合成手性固定相，直接用来拆分对映体是手性液相色谱当前的研究热点，具有简便、快捷、重复性好等优点。环糊精类键合手性固定相是目前应用广泛的固定相之一，用不同的基团对环糊精的羟基进行修饰得到衍生化环糊精类手性固定相，它们能有效扩宽该类固定相的手性分离范围，增加手性识别能力，对完善手性药物对映体质量控制方法，乃至相关药代动力学研究，都具有重要的意义。本论文首次合成了对硝基异氰酸苯酯衍生化β-环糊精键合SBA-15手性固定相(NPCSP)、2,4-二硝基苯醚-β-环糊精键合SBA-15手性固定相(NESP)、6-单硝基苯胺衍生化β-环糊精键合SBA-15手性固定相(NCDSP)、乙二胺桥联双β-环糊精键合SBA-15手性固定相(BCDSP)，并将这几类手性固定相用于药物对映体的拆分研究，发现它们的手性识别能力较高、拆分效果较好。本文将具有模拟酶功能的桥联双环糊精制备成固定相，率先开发其手性分离功能是一个有较好创新性的工作。本文主要包括五个部分的研究工作：论文第一部分较系统地总结各种手性色谱拆分技术，综述了近年来国内外常见高效液相色谱手性固定相的发展，侧重于环糊精类手性固定相的进展。同时对有序介孔材料SBA-15作为色谱基质的发展也进行了相关评述，以此作为本工作的理论依据。论文第二部分使用“Click Chemistry”点击反应制备对硝基异氰酸苯酯衍生化β-环糊精键合SBA-15手性固定相(NPCSP)，采用扫描电镜、透射电镜、红外光谱、元素分析等方法用于NPCSP相应的结构表征。研究NPCSP在极性有机溶剂模式下对三种β-受体阻滞剂类药物(阿替洛尔、美托洛尔、艾司洛尔)的手性拆分性能。在优化的条件下，上述三种洛尔类药物对映体分离度分别为1.45、1.32和1.15，分析时间在10~30分钟之间，比文献报道的分析时间短。结合β-受体阻滞剂的分子结构，探讨NPCSP对该类药物的手性识别机理。研究结果表明，衍生化β-环糊精端口的氢键作用和腔体的包结作用可增强对洛尔类药物的手性识别能力，加之有序的SBA-15使柱渗透性良好和降低传质阻力，从而产生快速的手性拆分结果。论文第三部分通过“Click Chemistry”点击反应制备含稳定醚键的2,4-二硝基苯醚-β-环糊精键合SBA-15手性固定相(NESP)，采用透射电镜、质谱、红外光谱、元素分析、热重分析等对NESP进行结构和形貌表征。以四种常见的β-受体阻滞剂类药物为探针，在极性有机溶剂模式下较系统地研究NESP对这类药物的手性分离能力。以艾司洛尔对映体的分离为例，探讨流动相组成、温度变化、流速变化等色谱参数对β-受体阻滞剂类药物拆分的影响。侧重考察了非水流动相中甲醇含量、三乙胺/冰醋酸配比与含量对分离度的影响，发现甲醇作为氢键给体添加到流动相中会削弱β-环糊精配体与溶质间的氢键作用，三乙胺和冰醋酸会改变溶质的存在形式和峰形，它们是影响手性分离的关键因素。通过计算艾司洛尔对映体的热力学参数，证实艾司洛尔对映体分离的过程是焓驱动过程，较低的柱温有利于手性分离。论文第四部分制备了6-单硝基苯胺衍生化β-环糊精键合SBA-15手性固定相(NCDSP)，采用扫描电镜、透射电镜、X射线衍射、比表面测定、质谱、红外光谱、元素分析、热重分析等表征方法对NCDSP进行相关结构表征。评价了该固定相的基本色谱性能，并用于β-受体阻滞剂和二氢黄烷酮类手性药物对映体的拆分，在NCDSP上实现了十四种β-受体阻滞剂和六种二氢黄烷酮类药物的手性分离，大部分溶质的保留时间在20分钟以内。通过与苯胺衍生化β-环糊精键合SBA-15手性固定相(PCDSP)进行对比研究，发现吸电子硝基的引入，可降低苯环电子云密度，π-酸型的β-环糊精配体对π-碱性的洛尔类药物有较高的手性识别能力，能分离更广泛的手性药物。论文第五部分尝试将具有模拟酶功能的桥联双环糊精制备成固定相，开发其手性分离功能。制备一种新型的乙二胺桥联双β-环糊精键合SBA-15液相色谱手性固定相(BCDSP)，采用质谱、红外光谱、元素分析和热重分析等进行结构表征。在极性有机溶剂模式下，考察了流动相中有机溶剂、三乙胺和冰醋酸改性剂用量和柱温对β-受体阻滞剂对映体拆分的影响。成功地拆分了常用的十四种β-受体阻滞剂药物对映体，其中普萘洛尔的分离度可达到2.18，卡维地洛的分离度可达到2.01，分析时间在20分钟以内，取得较高的分离效率。而在优化的条件下单β-环糊精键合相仅能部分拆分四种β-受体阻滞剂，且前者的分离度明显优于后者。明显地，两个β-环糊精腔体存在协同作用扩大了空间识别域，还提高了立体选择性，使得BCDSP拥有更广泛的拆分对象、更高的分离度和更短的分析时间。