SMILES 基础：一行代码背后的化学语言

咱们做计算化学、结构生物学的人，每天打交道最多的东西，除了蛋白质 PDB，可能就是小分子了。你想想看，手动打开 ChemDraw 画一个苯环再保存成 mol2，一天能处理几个？几十个顶天了吧？

我早期做高通量虚拟筛选的时候，经常要处理几十万个小分子。要是每个都靠鼠标点，项目直接黄了。所以我个人习惯从源头抓起——SMILES 字符串。说白了，它就是化学结构的“身份证号”，一段紧凑的 ASCII 字符串，把分子结构描述得清清楚楚。

有了标准化的 SMILES，后续的 3D 生成、批次质控才能跑得动。这节课，我们就先把这个基础打牢。

1.1 SMILES 到底是什么

SMILES 的全称是 Simplified Molecular Input Line Entry System，1988 年由 David Weininger 提出。它的核心思路很简单：用深度优先的方式，把分子图遍历一遍，转换成一行字符串。

我记得有一次跟新来的同事对接，他抱怨 SMILES 看着像乱码。我让他把 CC(=O)O 拆开看：

• C — 第一个碳原子（甲基）
• C — 第二个碳原子（羰基碳）
• (=O) — 括号表示分支，这个碳上连了一个双键氧
• O — 分支结束后，继续写羟基

顺着这个逻辑走一遍，你就能在脑子里画出乙酸的骨架。这就是 SMILES 的底层逻辑。

1.2 原子与键的编码规则

原子符号直接用元素周期表缩写。但有几个“潜规则”，新手特别容易踩坑。

键的连接规则：

• 单键：可以省略不写，比如 CC 就是乙烷
• 双键：用 = 表示，比如 C=C 是乙烯
• 三键：用 # 表示，比如 C#C 是乙炔
• 离子键/配位键：用 . 连接，表示拆开的片段，比如 [Na+].[Cl-]

1.3 常见官能团的 SMILES 写法

掌握几个基础模板，遇到复杂结构时直接往上套就对了。

手性中心的处理：

SMILES 用 @ 和 @@ 来表示手性。一个小技巧：@ 表示逆时针方向，@@ 表示顺时针方向。我个人习惯在写手性中心时，把四个取代基按照 CIP 优先规则排好顺序，这样基本不会出错。

# L-丙氨酸 (S-构型)
[NH3+][C@@H](C)C(=O)[O-]

# D-丙氨酸 (R-构型)
[NH3+][C@H](C)C(=O)[O-]

1.4 从 SMILES 到分子图的底层逻辑

咱们做批次转化的时候，解析器其实做了下面这几步。我把它画成了一张流程图，你对照着看会清楚很多：

解析器先从左边第一个字符开始看，遇到原子符号就创建节点，遇到括号就知道是分支，遇到数字就去找对应的环闭合位置。最后我们会得到一个完整的分子图——这个图里包含了所有原子和连接关系，接下来才能去做 3D 构象生成。