Equipo de Química de Cheemly
De nombre IUPAC a SMILES: cómo funciona la conversión
Convertir un nombre sistemático en SMILES es un análisis determinista, no una predicción. Ejemplos resueltos muestran cómo se traducen los nombres y dónde fallan las conversiones.
Convertir un nombre IUPAC en SMILES significa transformar un nombre químico sistemático, como propan-2-ol, en una notación lineal que el software puede leer, aquí CC(C)O. Para los nombres sistemáticos se trata de un problema de análisis determinista, no de una predicción. Un analizador como OPSIN (Open Parser for Systematic IUPAC Nomenclature) divide el nombre en partes, aplica las reglas de nomenclatura IUPAC como una gramática, construye el grafo de átomos y enlaces y lo escribe como SMILES. El mismo nombre válido siempre da la misma estructura.
Dos notaciones, una molécula
Los nombres IUPAC están pensados para personas: describen una molécula como una estructura principal con sufijos, prefijos y localizadores (números de posición).
SMILES (Simplified Molecular Input Line Entry System) está pensado para software y recorre el grafo molecular:
- los átomos son símbolos de elementos:
C,N,O,Cl; - los enlaces simples son implícitos;
=es doble y#triple; - las ramas van entre paréntesis:
CC(C)O; - los cierres de anillo son dígitos emparejados:
c1ccccc1es benceno; - las minúsculas indican átomos aromáticos;
@,@@,/y\codifican la estereoquímica.
Una molécula puede tener muchas cadenas SMILES válidas según dónde empiece el recorrido. CCO y OCC son ambas etanol. El SMILES canónico es la única cadena estándar que un programa genera para cada estructura. Compara formas canónicas o, mejor aún, estructuras analizadas, nunca cadenas en bruto.
Cómo lee un nombre el analizador
Toma el 2-metilpropan-1-ol.
| Parte del nombre | Significado | Aporta |
|---|---|---|
| prop | cadena principal de tres carbonos | C–C–C |
| an | todos los enlaces simples | cadena saturada |
| -1-ol | OH en el carbono 1 | C1–OH |
| 2-metil | rama CH₃ en el carbono 2 | rama en C2 |
Ensambla y escribe en SMILES: CC(C)CO (C₄H₁₀O, 74,12 g mol⁻¹).
El analizador sigue los mismos pasos con nombres mucho más largos: lee el hidruro principal, aplica el sufijo del grupo característico principal, une los sustituyentes en sus localizadores y añade los descriptores estereoquímicos.
Ejemplos resueltos
| Nombre | SMILES | Fórmula | Nota |
|---|---|---|---|
| etanol | CCO | C₂H₆O | dos carbonos, OH en C1 |
| propan-2-ol | CC(C)O | C₃H₈O | OH en el carbono central |
| 2-metilpropan-1-ol | CC(C)CO | C₄H₁₀O | rama en C2, OH en C1 |
| etanoato de etilo (acetato de etilo) | CCOC(C)=O | C₄H₈O₂ | éster: "etilo" es la parte alcoxi |
| ácido benzoico | OC(=O)c1ccccc1 | C₇H₆O₂ | anillo aromático y ácido carboxílico |
| (2E)-but-2-eno | C/C=C/C | C₄H₈ | / y / en lados opuestos: E |
| (2S)-butan-2-ol | C[C@H](O)CC | C₄H₁₀O | @ codifica S para este orden de átomos |
| (2R)-butan-2-ol | C[C@@H](O)CC | C₄H₁₀O | @@ codifica R para este orden de átomos |
Las filas estereoquímicas se comprobaron con un paquete de quimioinformática. Los símbolos @/@@ no son un código fijo de S/R. Describen el giro horario o antihorario de los vecinos tal como están escritos en esa cadena. Si escribes la misma molécula empezando por otro átomo, el símbolo puede cambiar aunque la configuración sea la misma.
Dónde falla la conversión de nombre a estructura
- Nombres triviales y comerciales. "Aspirina" y "vitamina C" no son nombres sistemáticos. Algunos analizadores incluyen diccionarios de nombres comunes, pero su cobertura es limitada. Búscalos en una base de datos como PubChem y revisa el registro.
- Nombres ambiguos o no estándar. "Butanol" sin localizador puede ser butan-1-ol o butan-2-ol. Un analizador estricto debería rechazarlo en lugar de adivinar.
- Reglas antiguas. Nombres antiguos como "alcohol isobutílico" o nombres invertidos al estilo CAS pueden analizarse de otra forma o no analizarse.
- Descriptores estereoquímicos ausentes. Un nombre sin (R)/(S) o (E)/(Z) describe la estructura con esa estereoquímica sin especificar. El SMILES debe dejarla también sin especificar, no elegir una forma en silencio.
- Sales, hidratos y mezclas. "Acetato de sodio trihidratado" contiene varios componentes, y algunas herramientas solo aceptan una molécula neutra.
- Erratas. "2-metilpropan-l-ol" con una L minúscula en lugar del dígito 1 es un fallo clásico.
Compruébalo
Cómo verificar una conversión
Un SMILES sintácticamente válido puede seguir siendo el compuesto equivocado. Tras convertir:
- Dibújalo. Mira la estructura representada, no solo la cadena.
- Comprueba la fórmula y la masa frente a lo que esperas.
- Haz el viaje de ida y vuelta. Convierte el SMILES de nuevo en un nombre o en un InChI y compara.
- Revisa la estereoquímica de forma explícita. ¿Están especificados los estereocentros y los dobles enlaces como indica el nombre?
- Contrasta con un registro de una base de datos en compuestos importantes.
El validador SMILES y el visor de estructuras desde SMILES gratuitos de Cheemly funcionan en tu navegador para los pasos 1 y 2. Dentro del espacio de trabajo, la conversión de nombre a estructura pasa por un analizador determinista y el resultado se comprueba antes de mostrarse.
Preguntas frecuentes
¿La conversión de nombre a SMILES la hace la IA?
Para nombres sistemáticos no debería. Es un análisis basado en reglas con una única respuesta correcta. Un modelo de lenguaje puede adivinar una cadena plausible; por eso Cheemly usa un analizador y comprueba el resultado.
¿Por qué dos herramientas dan SMILES distintos para el mismo nombre?
Normalmente porque cada una escribe su propia forma canónica, o porque una mantiene los hidrógenos explícitos o la notación aromática de otra manera. Analiza ambas cadenas y compara las estructuras. Si las estructuras difieren, una herramienta interpretó mal el nombre.
¿Se puede convertir cualquier nombre IUPAC?
La mayoría de los nombres de compuestos orgánicos típicos, sí. Productos naturales muy complejos, polímeros, compuestos de coordinación y algunas especies inorgánicas pueden quedar fuera del alcance de un analizador. La herramienta debería indicarlo en lugar de inventar una estructura.
Fuentes
Escrito y revisado por el Equipo de Química de Cheemly. Los cálculos de los ejemplos se rehacen antes de publicar y cada artículo enlaza sus fuentes.