cheemly
博客
化学2 分钟

Cheemly 化学团队

从 IUPAC 名称到 SMILES:名称转结构是如何实现的

把系统命名转换为 SMILES 是确定性的解析,而不是预测。实例展示名称如何对应到字符串,以及转换会在哪里出错。

从 IUPAC 名称到 SMILES:名称转结构是如何实现的

把 IUPAC 名称转换为 SMILES,就是把 丙-2-醇 这样的系统化学名称变成软件可读的线性表示,这里是 CC(C)O。对于系统命名,这是一个确定性的解析问题,而不是预测。像 OPSIN(Open Parser for Systematic IUPAC Nomenclature)这样的解析器会把名称拆成若干部分,把 IUPAC 命名规则当作语法来应用,构建原子与化学键的图,再输出为 SMILES。同一个有效名称总是得到同一个结构。

两种表示,一个分子

IUPAC 名称是写给人看的:把分子描述为带有后缀、前缀和位次(位置编号)的母体结构。

SMILES(Simplified Molecular Input Line Entry System)是写给软件看的,它沿着分子图逐个原子走过去:

  • 原子用元素符号表示:C、N、O、Cl;
  • 单键默认省略;= 是双键,# 是三键;
  • 支链写在括号里:CC(C)O;
  • 闭环用成对数字表示:c1ccccc1 是苯;
  • 小写字母表示芳香原子;
  • @、@@、/ 和 \ 编码立体化学。

根据遍历起点不同,同一个分子可以有很多个有效的 SMILES。CCO 和 OCC 都是乙醇。规范 SMILES 是某个工具包为每个结构生成的唯一标准字符串。应比较规范形式,最好比较解析后的结构,而不是比较原始字符串。

解析器如何读一个名称

以 2-甲基丙-1-醇为例。

名称部分含义贡献
丙三碳主链C–C–C
(烷)全为单键饱和链
-1-醇1 号碳上有 OHC1–OH
2-甲基2 号碳上有 CH₃ 支链C2 处支链

组装后写成 SMILES:CC(C)CO(C₄H₁₀O,74.12 g mol⁻¹)。

对于更长的名称,解析器也遵循同样的步骤:读取母体氢化物,应用主特性基团的后缀,把前缀取代基连接到对应位次,再加上立体描述符。

实例

名称SMILES分子式说明
乙醇CCOC₂H₆O两个碳,OH 在 C1
丙-2-醇CC(C)OC₃H₈OOH 在中间碳上
2-甲基丙-1-醇CC(C)COC₄H₁₀OC2 有支链,C1 有 OH
乙酸乙酯CCOC(C)=OC₄H₈O₂酯:"乙基"是烷氧基部分
苯甲酸OC(=O)c1ccccc1C₇H₆O₂芳环加羧酸
(2E)-丁-2-烯C/C=C/CC₄H₈两个 / 位于两侧:E
(2S)-丁-2-醇C[C@H](O)CCC₄H₁₀O在此原子顺序下 @ 表示 S
(2R)-丁-2-醇C[C@@H](O)CCC₄H₁₀O在此原子顺序下 @@ 表示 R

立体化学这几行已用化学信息学工具包核对。@/@@ 并不是 S/R 的固定代码。它们描述的是按该字符串书写顺序排列的相邻原子是顺时针还是逆时针。从另一个原子开始书写同一个分子时,构型不变,符号却可能翻转。

名称转结构容易出错的地方

  1. 俗名和商品名。"阿司匹林"和"维生素 C"不是系统名称。有些解析器带有常用名词典,但覆盖有限。请在 PubChem 等数据库中查询并核对条目。
  2. **含糊或不规范的名称。**没有位次的"丁醇"可能是丁-1-醇,也可能是丁-2-醇。严格的解析器应当拒绝,而不是去猜。
  3. 旧规则。"异丁醇"这类旧名称或 CAS 风格的倒装名称,可能被解析成不同结构,甚至无法解析。
  4. **缺少立体描述符。**没有 (R)/(S) 或 (E)/(Z) 的名称描述的是立体化学未指定的结构。SMILES 也应保持未指定,而不是悄悄选定一种构型。
  5. 盐、水合物和混合物。"三水合乙酸钠"含有多个组分,有些工具只接受单个中性分子。
  6. **拼写错误。**把数字 1 写成小写字母 l 的"2-methylpropan-l-ol"是经典错误。

自测一下

哪个 SMILES 是丙-2-醇?

如何核验一次转换

语法有效的 SMILES 仍可能是错误的化合物。转换之后:

  1. **画出来。**看渲染出的结构,而不只是字符串。
  2. 核对分子式和分子量是否符合预期。
  3. **往返转换。**把 SMILES 再转回名称或 InChI 进行比较。
  4. **明确检查立体化学。**立体中心和双键是否按名称所述被指定?
  5. 对重要化合物,与数据库条目交叉核对。

Cheemly 免费的 SMILES 校验器和 SMILES 转结构查看器可在浏览器中完成第 1、2 步。在工作区内,名称转结构由确定性解析器完成,结果在展示前会经过检查。

常见问题

名称转 SMILES 是由 AI 完成的吗?

对系统命名来说不应如此。这是基于规则的解析,只有一个正确答案。语言模型可能会猜出一个看似合理的字符串,所以 Cheemly 使用解析器并检查结果。

为什么两个工具对同一名称给出不同的 SMILES?

通常是因为各自输出自己的规范形式,或对显式氢、芳香表示的处理不同。把两个字符串都解析后比较结构。如果结构不同,说明其中一个工具读错了名称。

所有 IUPAC 名称都能转换吗?

大多数常见有机化合物的名称可以。非常复杂的天然产物、聚合物、配位化合物和部分无机物可能超出解析器的覆盖范围。此时工具应当如实报告,而不是编造一个结构。

参考来源

由 Cheemly 化学团队撰写并核对。示例中的数值在发布前重新计算,每篇文章都附有参考来源。

继续探索

IUPAC 名称转 SMILES:原理与实例 — Cheemly