cheemly
Blog
chimie6 min

Équipe chimie de Cheemly

Du nom IUPAC au SMILES : comment fonctionne la conversion

Convertir un nom systématique en SMILES relève de l'analyse déterministe, pas de la prédiction. Des exemples résolus montrent comment les noms deviennent des chaînes et où les conversions échouent.

Du nom IUPAC au SMILES : comment fonctionne la conversion

Convertir un nom IUPAC en SMILES, c'est transformer un nom chimique systématique, comme propan-2-ol, en une notation linéaire lisible par un logiciel, ici CC(C)O. Pour les noms systématiques, c'est un problème d'analyse déterministe, pas une prédiction. Un analyseur comme OPSIN (Open Parser for Systematic IUPAC Nomenclature) découpe le nom en parties et applique les règles de nomenclature IUPAC comme une grammaire. Il en tire le graphe des atomes et des liaisons, qu'il écrit ensuite en SMILES. Un même nom valide donne toujours la même structure.

Deux notations, une molécule

Les noms IUPAC sont écrits pour des humains : ils décrivent une molécule comme une structure parente avec des suffixes, des préfixes et des locants (numéros de position).

Le SMILES (Simplified Molecular Input Line Entry System) est écrit pour les logiciels et parcourt le graphe moléculaire :

  • les atomes sont des symboles d'éléments : C, N, O, Cl ;
  • les liaisons simples sont implicites ; = est une double liaison, # une triple ;
  • les ramifications sont entre parenthèses : CC(C)O ;
  • les fermetures de cycle sont des chiffres appariés : c1ccccc1 est le benzène ;
  • les minuscules désignent les atomes aromatiques ;
  • @, @@, / et \ codent la stéréochimie.

Une molécule peut avoir de nombreux SMILES valides selon le point de départ du parcours. CCO et OCC désignent tous deux l'éthanol. Le SMILES canonique est l'unique chaîne standard qu'un logiciel donné produit pour chaque structure. Comparez des formes canoniques, ou mieux des structures analysées, jamais des chaînes brutes.

Comment un analyseur lit un nom

Prenons le 2-méthylpropan-1-ol.

Partie du nomSignificationContribution
propchaîne principale de trois carbonesC–C–C
anliaisons toutes simpleschaîne saturée
-1-olOH sur le carbone 1C1–OH
2-méthylramification CH₃ sur le carbone 2ramification en C2

Assemblez et écrivez en SMILES : CC(C)CO (C₄H₁₀O, 74,12 g mol⁻¹).

L'analyseur suit les mêmes étapes pour des noms bien plus longs : il lit l'hydrure parent, applique le suffixe du groupe caractéristique principal, fixe les substituants préfixés à leurs locants et ajoute les descripteurs stéréochimiques.

Exemples résolus

NomSMILESFormuleRemarque
éthanolCCOC₂H₆Odeux carbones, OH en C1
propan-2-olCC(C)OC₃H₈OOH sur le carbone central
2-méthylpropan-1-olCC(C)COC₄H₁₀Oramification en C2, OH en C1
éthanoate d'éthyle (acétate d'éthyle)CCOC(C)=OC₄H₈O₂ester : « éthyle » est la partie alcoxy
acide benzoïqueOC(=O)c1ccccc1C₇H₆O₂cycle aromatique et acide carboxylique
(2E)-but-2-èneC/C=C/CC₄H₈/ et / de part et d'autre : E
(2S)-butan-2-olC[C@H](O)CCC₄H₁₀O@ code S pour cet ordre d'atomes
(2R)-butan-2-olC[C@@H](O)CCC₄H₁₀O@@ code R pour cet ordre d'atomes

Les lignes stéréochimiques ont été vérifiées avec une boîte à outils de chémoinformatique. Les symboles @/@@ ne sont pas un code fixe pour S/R. Ils décrivent le sens horaire ou antihoraire des voisins dans l'ordre où ils sont écrits dans cette chaîne. Écrire la même molécule à partir d'un autre atome peut inverser le symbole sans changer la configuration.

Où la conversion nom → structure échoue

  1. Noms triviaux et commerciaux. « Aspirine » et « vitamine C » ne sont pas des noms systématiques. Certains analyseurs embarquent des dictionnaires de noms courants, mais leur couverture est limitée. Recherchez ces noms dans une base comme PubChem et vérifiez la fiche.
  2. Noms ambigus ou non normalisés. « Butanol » sans locant peut être le butan-1-ol ou le butan-2-ol. Un analyseur strict doit refuser plutôt que deviner.
  3. Règles anciennes. Des noms anciens comme « alcool isobutylique » ou des noms inversés à la façon CAS peuvent être analysés autrement, voire pas du tout.
  4. Descripteurs stéréochimiques absents. Un nom sans (R)/(S) ou (E)/(Z) décrit la structure avec cette stéréochimie non précisée. Le SMILES doit lui aussi la laisser non précisée, sans choisir une forme en silence.
  5. Sels, hydrates et mélanges. « Acétate de sodium trihydraté » contient plusieurs composants ; certains outils n'acceptent qu'une seule molécule neutre.
  6. Fautes de frappe. « 2-méthylpropan-l-ol » avec un l minuscule à la place du chiffre 1 est une erreur classique.

Vérifiez vos acquis

Quel SMILES correspond au propan-2-ol ?

Comment vérifier une conversion

Un SMILES syntaxiquement valide peut tout de même désigner le mauvais composé. Après conversion :

  1. Dessinez-le. Regardez la structure représentée, pas seulement la chaîne.
  2. Vérifiez la formule et la masse par rapport à ce que vous attendez.
  3. Faites l'aller-retour. Reconvertissez le SMILES en nom ou en InChI et comparez.
  4. Vérifiez explicitement la stéréochimie. Les stéréocentres et les doubles liaisons sont-ils définis comme l'indique le nom ?
  5. Recoupez avec une fiche de base de données pour les composés importants.

Le validateur SMILES et le visualiseur SMILES vers structure gratuits de Cheemly fonctionnent dans votre navigateur pour les étapes 1 et 2. Dans l'espace de travail, la conversion nom → structure passe par un analyseur déterministe et le résultat est vérifié avant affichage.

Questions fréquentes

La conversion nom → SMILES est-elle faite par une IA ?

Pour des noms systématiques, elle ne devrait pas l'être. C'est une analyse fondée sur des règles, avec une seule bonne réponse. Un modèle de langage peut deviner une chaîne plausible ; c'est pourquoi Cheemly utilise un analyseur et vérifie le résultat.

Pourquoi deux outils donnent-ils des SMILES différents pour le même nom ?

En général parce que chacun écrit sa propre forme canonique, ou traite différemment les hydrogènes explicites ou la notation aromatique. Analysez les deux chaînes et comparez les structures. Si elles diffèrent, l'un des outils a mal lu le nom.

Tous les noms IUPAC sont-ils convertibles ?

La plupart des noms de composés organiques courants, oui. Des produits naturels très complexes, des polymères, des complexes de coordination et certaines espèces inorganiques peuvent échapper à un analyseur. L'outil doit alors le signaler plutôt qu'inventer une structure.

Sources

Rédigé et vérifié par l'Équipe chimie de Cheemly. Les calculs des exemples sont refaits avant publication et chaque article cite ses sources.

Continuer à explorer

Du nom IUPAC au SMILES : fonctionnement et exemples résolus — Cheemly