化學(xué)分子結(jié)構(gòu)表達(dá)
化學(xué)分子結(jié)構(gòu)可以用多種方式表達(dá)已日，包括一維描姚、二維和三維松捉。二維和三維結(jié)構(gòu)是化學(xué)家常用的夹界，通常以圖形形式存儲(chǔ)在Mol或Sdf格式中。
但一維線性表達(dá)在處理大量分子時(shí)惩坑，尤其在存儲(chǔ)和操作速度上掉盅，有明顯優(yōu)勢(shì)。今天以舒，我們重點(diǎn)介紹一維線性表達(dá)趾痘。
01 一維線性表達(dá)含義及類型
一維結(jié)構(gòu)表達(dá)主要采用線性符號(hào)表示法（Line Notation），即利用線性的字符或數(shù)字組合來(lái)表示化合物結(jié)構(gòu)蔓钟，這樣很容易被計(jì)算機(jī)儲(chǔ)存和處理永票。常見(jiàn)的線性符號(hào)表示法包括SMILES、SLN和ROSDAL等滥沫。
SMILES (Simplified Molecular Input Line Entry System）格式是目前化學(xué)信息學(xué)中的主流表達(dá)方法侣集。
SLN（SYBYL Linear Notation）是Tripos公司為其分子模擬和藥物設(shè)計(jì)軟件SYBYL開(kāi)發(fā)的線性表達(dá)方式，與SMILES相似兰绣，可視為SMILES的改進(jìn)版世分。
ROSDAL曾用于Beilstein系統(tǒng)的分子結(jié)構(gòu)表示，但現(xiàn)在已較少使用缀辩。
02 SMILES基本規(guī)則
SMILES（Simplified Molecular Input Line Entry System）是一種用于描述分子結(jié)構(gòu)的簡(jiǎn)化線性輸入系統(tǒng)臭埋，由美國(guó)環(huán)境保護(hù)局的David Weininger在1986年提出踪央。
這種格式通過(guò)字符串來(lái)編碼分子結(jié)構(gòu)，此后瓢阴，該系統(tǒng)不斷得到擴(kuò)充和完善畅蹂，特別是Daylight化學(xué)信息系統(tǒng)公司對(duì)此做出了重要貢獻(xiàn)。
SMILES的應(yīng)用非常廣泛荣恐，它作為一種獨(dú)立于硬件和軟件的數(shù)據(jù)交換語(yǔ)言液斜，不需要圖形界面即可在多種在線服務(wù)和數(shù)據(jù)傳輸系統(tǒng)中使用，這使得它成為化學(xué)結(jié)構(gòu)輸入的重要工具叠穆。
原子通常以大寫(xiě)元素符號(hào)表示（省略氫原子）少漆，芳香結(jié)構(gòu)原子則以小寫(xiě)元素符號(hào)表示。
比如痹束，環(huán)已烷C6H12被表示為：C1CCCCC1检疫，而苯C6H6則表示為：clcccccl。
相鄰原子依次排放在一起祷嘶，單鍵通常省略，雙鍵和三鍵分別以“＝”和“#”表示夺溢，芳香鍵以“：”表示论巍，也可省略。
比如风响，乙炔 HC
CH 被表示為：C#C嘉汰。
分支部分放在括號(hào)內(nèi)，環(huán)則打開(kāi)状勤，并賦予斷開(kāi)鍵兩端的原子以相同的數(shù)值鞋怀。
比如，異丁酸（CH3)2CHCOOH被表示為：CC(C)C(=O)O持搜。
離子用方括號(hào)括起密似，用元素符號(hào)和電荷表示，“十”表示正電荷葫盼、“一”表示負(fù)電荷残腌，電荷數(shù)跟在正負(fù)號(hào)之后。如果該原子與氫原子相連贫导，則氫原子寫(xiě)在元素符號(hào)后面抛猫。
比如：銨離子（NH4+）被表示為[NH4+]，氫氧根離子（OH-）被表示為[OH-]孩灯，四價(jià)鈦離子（Ti4+）被表示為[Ti+4]或[Ti++++]闺金。
SMILES也可以表示化合物的立體化學(xué)信息，含順?lè)串悩?gòu)和旋光異構(gòu)峰档。
順?lè)串悩?gòu)：雙鍵兩側(cè)的結(jié)構(gòu)分別用符號(hào)“/”和“\”來(lái)表示败匹。
例如匣距，F(xiàn)/C=C/F或者F\C=C\F表示反二氟乙烯，它的兩個(gè)氟原子位于雙鍵的兩側(cè)哎壳；而F/C=C\F或者F\C=C/F則表示順二氟乙烯毅待，它的兩個(gè)氟原子位于雙鍵的同一側(cè)。再比如：Cl/C=C/Br（反式）归榕，CI/C=C\Br（順式）尸红。
旋光異構(gòu)：手性碳原子用@（逆時(shí)針）或@@（順時(shí)針）表示，圍繞在手性中心周圍的原子可以從標(biāo)識(shí)符@或@@表示中得到原子的順序刹泄。
比如：丙氨酸外里，普通SMILES式為NC(C)C(=O)O，或者可以寫(xiě)為N[CH](C)C(=O）O特石。而L-丙氨酸則應(yīng)表示為N[C@@H](C)C(=O)O盅蝗，標(biāo)示符@@表明，從氮原子（N）處沿著連接氮原子和手性中心碳原子的鍵看去姆蘸，取代基氫原子（H）墩莫、甲基（C）和羧基（C(=O）O）按順時(shí)針順序出現(xiàn)。
請(qǐng)注意：這里取代基列出的順序非常重要逞敷，與@或@@符號(hào)要保持一致狂秦，因此，L-丙氨酸也可以表示為N[C@H](C(=O)O)C推捐，即如果從N原子沿N-C鍵看去裂问，取代基氫原子（H）、羧基（C(=O)O）和甲基（C）按逆時(shí)針順序出現(xiàn)牛柒。
相應(yīng)地堪簿，D-丙氨酸可以表示為：N[C@H](C)C(=0)O或者 N[C@@H](C(=O)O)C。
04 SMARTS格式
SMARTS（SMILES ARbitrary Target Specification）是SMILES的一個(gè)擴(kuò)展皮壁，由David Weininger開(kāi)發(fā)椭更，用于描述更復(fù)雜的化學(xué)結(jié)構(gòu)模式。與SMILES不同闪彼，SMARTS不僅能夠描述一個(gè)確切的分子結(jié)構(gòu)甜孤，還能定義一個(gè)結(jié)構(gòu)的模式，從而在化學(xué)數(shù)據(jù)庫(kù)中進(jìn)行精確的搜索和匹配畏腕。
以下為SMARTS的主要特點(diǎn)
通配符的使用
SMARTS通過(guò)使用通配符如*（任何原子）缴川、A（任何脂肪族原子）、a（任何芳香族原子）等描馅，可以表示一類原子或化學(xué)鍵把夸。
邏輯運(yùn)算符
SMARTS允許使用邏輯運(yùn)算符如&（和）、|（或）铭污、!（非）等恋日，來(lái)組合不同的結(jié)構(gòu)特征膀篮，實(shí)現(xiàn)復(fù)雜的結(jié)構(gòu)查詢。
環(huán)搜索
SMARTS能夠表示環(huán)的存在岂膳，例如r6表示一個(gè)六元環(huán)誓竿，這在尋找特定環(huán)結(jié)構(gòu)的化合物時(shí)非常有用。
距離和連接性
SMARTS可以指定原子之間的距離和連接性谈截，例如C-0表示碳原子和氧原子之間有一個(gè)單鍵筷屡。
05 InChI表達(dá)式
InChI（International Chemical Identifier，國(guó)際化學(xué)標(biāo)識(shí)符）是一種由國(guó)際純粹與應(yīng)用化學(xué)聯(lián)合會(huì)（IUPAC）和美國(guó)化學(xué)文摘社（Chemical Abstracts Service, CAS）共同開(kāi)發(fā)的分子結(jié)構(gòu)的標(biāo)準(zhǔn)化表示方法簸喂。
InChI的目的是為每一種化學(xué)物質(zhì)提供一個(gè)唯一的毙死、機(jī)器可讀的標(biāo)識(shí)符，以解決SMILES表達(dá)式可能存在的非唯一性問(wèn)題喻鳄。
以下為InChI的主要特點(diǎn)
唯一性
每個(gè)分子結(jié)構(gòu)無(wú)論其排列方式如何扼倘，都會(huì)有一個(gè)唯一的InChI編碼，這保證了在不同數(shù)據(jù)庫(kù)和文獻(xiàn)中的一致性除呵。
層次結(jié)構(gòu)
InChI編碼由多個(gè)部分組成再菊，包括分子公式、連接表竿奏、立體化學(xué)信息等袄简，這些部分按照一定的層次結(jié)構(gòu)排列。
立體化學(xué)
InChI能夠精確地表示分子的立體化學(xué)泛啸，包括順?lè)串悩?gòu)和旋光異構(gòu)，這對(duì)于手性分子的識(shí)別尤為重要秃症。
距離和連接性
SMARTS可以指定原子之間的距離和連接性候址，例如C-0表示碳原子和氧原子之間有一個(gè)單鍵。
