Cheemly Chemie-Team
Vom IUPAC-Namen zu SMILES: so funktioniert die Umwandlung
Einen systematischen Namen in SMILES umzuwandeln ist deterministisches Parsen, keine Vorhersage. Gelöste Beispiele zeigen, wie Namen auf Strings abgebildet werden und wo Umwandlungen scheitern.
Einen IUPAC-Namen in SMILES umzuwandeln heißt, einen systematischen chemischen Namen wie Propan-2-ol in eine Zeilennotation zu übersetzen, die Software lesen kann, hier CC(C)O. Für systematische Namen ist das ein deterministisches Parsing-Problem, keine Vorhersage. Ein Parser wie OPSIN (Open Parser for Systematic IUPAC Nomenclature) zerlegt den Namen in seine Teile und wendet die IUPAC-Nomenklaturregeln als Grammatik an. Daraus baut er den Atom-Bindungs-Graphen und schreibt ihn als SMILES aus. Derselbe gültige Name liefert immer dieselbe Struktur.
Zwei Notationen, ein Molekül
IUPAC-Namen sind für Menschen geschrieben: Sie beschreiben ein Molekül als Stammstruktur mit Suffixen, Präfixen und Lokanten (Positionsnummern).
SMILES (Simplified Molecular Input Line Entry System) ist für Software geschrieben und durchläuft den Molekülgraphen:
- Atome sind Elementsymbole:
C,N,O,Cl; - Einfachbindungen sind implizit;
=ist eine Doppel-,#eine Dreifachbindung; - Verzweigungen stehen in Klammern:
CC(C)O; - Ringschlüsse sind gepaarte Ziffern:
c1ccccc1ist Benzol; - Kleinbuchstaben kennzeichnen aromatische Atome;
@,@@,/und\kodieren die Stereochemie.
Ein Molekül kann viele gültige SMILES-Strings haben, je nachdem, wo der Durchlauf beginnt. CCO und OCC sind beide Ethanol. Kanonisches SMILES ist der eine Standardstring, den ein bestimmtes Toolkit für jede Struktur erzeugt. Vergleiche kanonische Formen oder besser geparste Strukturen, nie rohe Strings.
Wie ein Parser einen Namen liest
Nimm 2-Methylpropan-1-ol.
| Namensteil | Bedeutung | Beitrag |
|---|---|---|
| prop | Stammkette mit drei Kohlenstoffen | C–C–C |
| an | nur Einfachbindungen | gesättigte Kette |
| -1-ol | OH an Kohlenstoff 1 | C1–OH |
| 2-Methyl | CH₃-Verzweigung an Kohlenstoff 2 | Verzweigung an C2 |
Zusammensetzen und als SMILES schreiben: CC(C)CO (C₄H₁₀O, 74,12 g mol⁻¹).
Bei viel längeren Namen geht der Parser genauso vor: Er liest das Stammhydrid, wendet das Suffix der Hauptgruppe an, hängt die Präfix-Substituenten an ihre Lokanten und ergänzt die Stereodeskriptoren.
Gelöste Beispiele
| Name | SMILES | Formel | Hinweis |
|---|---|---|---|
| Ethanol | CCO | C₂H₆O | zwei C-Atome, OH an C1 |
| Propan-2-ol | CC(C)O | C₃H₈O | OH am mittleren C-Atom |
| 2-Methylpropan-1-ol | CC(C)CO | C₄H₁₀O | Verzweigung an C2, OH an C1 |
| Ethylethanoat (Ethylacetat) | CCOC(C)=O | C₄H₈O₂ | Ester: "Ethyl" ist der Alkoxy-Teil |
| Benzoesäure | OC(=O)c1ccccc1 | C₇H₆O₂ | aromatischer Ring und Carbonsäure |
| (2E)-But-2-en | C/C=C/C | C₄H₈ | / und / auf gegenüberliegenden Seiten: E |
| (2S)-Butan-2-ol | C[C@H](O)CC | C₄H₁₀O | @ kodiert hier S für diese Atomreihenfolge |
| (2R)-Butan-2-ol | C[C@@H](O)CC | C₄H₁₀O | @@ kodiert hier R für diese Atomreihenfolge |
Die Stereo-Zeilen wurden mit einem Cheminformatik-Toolkit geprüft. Die Symbole @/@@ sind kein fester Code für S/R. Sie beschreiben den Uhrzeiger- oder Gegenuhrzeigersinn der Nachbarn so, wie sie in diesem String stehen. Schreibst du dasselbe Molekül ab einem anderen Atom, kann sich das Symbol ändern, obwohl die Konfiguration gleich bleibt.
Wo die Umwandlung vom Namen zur Struktur scheitert
- Trivial- und Handelsnamen. "Aspirin" und "Vitamin C" sind keine systematischen Namen. Manche Parser haben Wörterbücher für gängige Namen, aber deren Abdeckung ist begrenzt. Schlage solche Namen in einer Datenbank wie PubChem nach und prüfe den Eintrag.
- Mehrdeutige oder nicht standardkonforme Namen. "Butanol" ohne Lokant kann Butan-1-ol oder Butan-2-ol sein. Ein strenger Parser sollte ablehnen statt zu raten.
- Veraltete Regeln. Ältere Namen wie "Isobutylalkohol" oder invertierte CAS-Namen werden womöglich anders oder gar nicht geparst.
- Fehlende Stereodeskriptoren. Ein Name ohne (R)/(S) oder (E)/(Z) beschreibt die Struktur mit unspezifizierter Stereochemie. Das SMILES sollte sie dann ebenfalls offen lassen und nicht stillschweigend eine Form wählen.
- Salze, Hydrate und Gemische. "Natriumacetat-Trihydrat" enthält mehrere Komponenten; manche Werkzeuge akzeptieren nur ein einzelnes neutrales Molekül.
- Tippfehler. "2-Methylpropan-l-ol" mit kleinem L statt der Ziffer 1 ist ein klassischer Fehler.
Teste dich
Wie man eine Umwandlung prüft
Ein syntaktisch gültiges SMILES kann trotzdem die falsche Verbindung sein. Nach der Umwandlung:
- Zeichnen. Schau dir die dargestellte Struktur an, nicht nur den String.
- Formel und Masse prüfen, ob sie deiner Erwartung entsprechen.
- Hin und zurück. Wandle das SMILES zurück in einen Namen oder in einen InChI und vergleiche.
- Stereochemie ausdrücklich prüfen. Sind Stereozentren und Doppelbindungen so festgelegt, wie der Name es sagt?
- Bei wichtigen Verbindungen mit einem Datenbankeintrag abgleichen.
Der kostenlose SMILES-Validator und der SMILES-zu-Struktur-Betrachter von Cheemly laufen für die Schritte 1 und 2 in deinem Browser. Im Workspace läuft die Umwandlung vom Namen zur Struktur über einen deterministischen Parser, und das Ergebnis wird vor der Anzeige geprüft.
Häufige Fragen
Wird die Umwandlung von Namen in SMILES von KI erledigt?
Bei systematischen Namen sollte sie das nicht. Es ist regelbasiertes Parsen mit genau einer richtigen Antwort. Ein Sprachmodell kann einen plausiblen String raten; deshalb nutzt Cheemly einen Parser und prüft das Ergebnis.
Warum liefern zwei Werkzeuge für denselben Namen unterschiedliche SMILES?
Meist, weil jedes seine eigene kanonische Form schreibt oder explizite Wasserstoffe bzw. die aromatische Schreibweise anders behandelt. Parse beide Strings und vergleiche die Strukturen. Sind die Strukturen verschieden, hat ein Werkzeug den Namen falsch gelesen.
Lässt sich jeder IUPAC-Name umwandeln?
Die meisten Namen typischer organischer Verbindungen ja. Sehr komplexe Naturstoffe, Polymere, Koordinationsverbindungen und manche anorganische Spezies können außerhalb der Reichweite eines Parsers liegen. Das Werkzeug sollte das melden statt eine Struktur zu erfinden.
Quellen
Geschrieben und geprüft vom Cheemly Chemie-Team. Die Zahlen in den Beispielen werden vor der Veröffentlichung nachgerechnet, und jeder Artikel verlinkt seine Quellen.