SMILES规范：原子、键、分支、环的表示方法
SMILES 这门语言，说白了就是给分子画一条“线”。你把它写出来，别人（或程序）就能看懂。我刚入行那阵，总觉得这玩意跟化学式差不多，后来才发现——坑不少。一个括号放错位置，环编号重复，整个分子就变味了。
这一章，我们拆开来看：原子怎么标、键怎么连、分支怎么拐、环怎么封。我按自己日常写 SMILES 的习惯来组织，保证你学完就能上手写对。
核心原则：SMILES 的本质是用 ASCII 字符描述分子拓扑结构。它不关心坐标，只关心连接关系。
1. 原子的表示——谁在分子里？
SMILES 里的原子，大部分直接用元素符号。比如 C 是碳，O 是氧。但有个特殊集合叫“有机子集”——B、C、N、O、P、S、F、Cl、Br、I。这些原子可以省略方括号，直接写符号。
C # 甲烷 (CH4)
O # 水 (H2O)
N # 氨 (NH3)
Cl # 氯化氢 (HCl)
Br # 溴化氢 (HBr)其他元素必须用方括号括起来，还要写明同位素、电荷、手性。比如：
[Na+] # 钠离子
[Fe+2] # 亚铁离子
[13C] # 碳-13同位素
[NH4+] # 铵离子小心！有没有遇到过 CN 被解析成“C-N 单键连接”，而不是“氰根离子”？我刚开始犯过这种错——CN 是甲基与氮连接的分子，不是氰根。正确的氰根是 [C]#[N] 或直接 [CN-]。
芳香族原子用小写字母。比如 c 表示芳香碳，n 表示芳香氮。苯环就是 c1ccccc1。这个我后面讲环时会细说。
个人习惯：我写非有机子集时，即使可以省略方括号，也习惯带上——比如 [C] 而不是 C，尤其在做 SMILES 标准化时，统一格式能减少解析歧义。
2. 键的表示——怎么连？
键是 SMILES 里的“粘合剂”。默认是单键，可以什么都不写。其他键必须显式标出：
| 键类型 | 符号 | 示例 | 对应结构 |
|---|---|---|---|
| 单键 | （默认，可省略） | CC | 乙烷 |
| 双键 | = | C=C | 乙烯 |
| 三键 | # | C#C | 乙炔 |
| 芳香键 | : | c1ccccc1 | 苯环 |
| 四键（罕见） | $ | C$C | 某些有机金属 |
我记得有一次，同事写了一个 C=N，本来是想表示亚胺（C=N 双键），但 SMILES 解析器把它当成单键 + 一个“N”原子，因为等号前面没有用 = 显式标识？不对，实际上 C=N 中间的 = 就是双键——等等，我打错了。正确写法就是 C=N。你看，人写代码时候脑子一短路，容易把符号弄混。最经典的坑是：
- 三键
#写成=？—— 不对，三键就是#，双键才是=。 - 芳香键
:在 SMILES 里一般只用在环闭合或特殊芳香结构中，日常很少单独出现在链式。 - 单键可以省略，但为了更好地可读性，我建议在分支或环连接处显式加一个单键（比如
-），尤其在写复杂分子时。
避坑指南：我曾经把乙酸的 SMILES 写成 CC=O，结果解析出来是乙醛。为什么？因为 CC=O 只有 3 个原子：C-C=O，少了一个氧。正确的乙酸是 CC(=O)O。双键旁边的括号分支必须写对，否则差一个原子整个分子都变了。
3. 分支的表示——拐弯的艺术
分支用圆括号 () 括起来，表示从当前原子分出一条侧链。括号里的内容就是一个完整的子 SMILES。支持嵌套。
CC(C)C # 异丁烷：C-C(C)-C
CC(=O)O # 乙酸：C-C(=O)-O
c1ccccc1C(=O)O # 苯甲酸括号紧跟在前面的原子后面，表示这个原子上挂了分支。注意：不要写成 C(C)C 这种，这在 SMILES 里表示的是环，不是分支——嗯，实际上 C(C)C 会被解析成 C-(C)-C？不对，SMILES 里如果括号后面直接跟括号，比如 C(C)，表示从当前原子伸出一条侧链。但 C(C)C 是合法的，它表示第一个碳上连了一个甲基，然后这个碳又连了另一个碳（三个碳连成一条线？）。我画个图：
CC(C)C：主链 C-C-C，第二个碳上连一个甲基 → 异丁烷。C(C)C：这不是分支，它表示 C(C)C，中间碳？其实C(C)C会被解析为 C-C-C，第一个碳有一个支链？等一下，标准写法应该是：C(C)C表示第一个碳（C）上连了一个甲基 (C)，然后这个碳又连了一个碳（C），结果就是三个碳成一条线？不对，因为第一个碳已经连了一个碳（括号里的），又连了第二个碳（括号后的），总共三个碳，第一个碳连了两个碳，所以还是三个碳呈 V 形？实际上C(C)C在 SMILES 里是合法的，它表示一种环？我把它理清：
分支与环的混淆：C(C)C 会被某些解析器当成三元环，因为括号后紧跟数字表示环编号？不，C1(C)C1 才是环。为了安全，分支一定要确保括号前有原子，括号后要么是继续主链，要么是环编号。我建议所有分支都显式写出主链原子顺序：CC(C)C 清晰明了。
分支可以多层嵌套：
CC(C)(C)C # 新戊烷：C-C(C)(C)-C
C(C(C)C)C # 2-甲基丁烷？实际是 C-C(C)-C-C? 太乱，用标准写法我个人习惯：写复杂分支时，先把主链写出来，再逐层加上括号。比如叔丁醇：CC(C)(C)O。主链 C-C-O，第二个碳上连两个甲基。
4. 环的表示——首尾相连
SMILES 里环用数字标记。当你想让两个原子连接成环时，第一个原子后面写一个数字（比如 1），第二个原子后面写同样的数字（1），表示它们之间连了一个键。数字可以重复使用，从 1 开始，一般不超过 9（虽然理论上可以更大，但容易乱）。
C1CCCCC1 # 环己烷：六个碳，首尾通过数字1连接
c1ccccc1 # 苯：六个芳香碳
C1=CC=CC=C1 # 1,3-环己二烯（双键位置）开环数字的编号规则：沿着主链顺序，遇到第一个环标记时就给一个数字，然后继续走，走到环的另一个连接点再写同样的数字。多个环用不同数字：
C1CC2CC1C2 # 二环[2.2.1]庚烷（降冰片烷）这个分子里有两个环：第一个环用数字1，第二个环用数字2。注意顺序不能乱。
| 常见错误 | 错误写法 | 正确写法 | 解释 |
|---|---|---|---|
| 环数字重复 | C1C1 |
C1CC1 |
数字1出现两次但在相邻原子？实际上 C1C1 表示两个碳通过一个环连接？不，正确环丙烷是三个碳，所以 C1CC1：C1-C-C1，三个碳。 |
| 数字缺少配对 | C1CC2CC2 |
C1CC2CC12 |
数字1只出现一次，没有闭合。 |
| 芳香环混用大小写 | C1CCC1（苯？） |
c1ccccc1 |
芳香环必须用小写c；否则变成饱和环。 |
我的经验：写多环系统时，先画个图，标出每个环的起点和终点。比如金刚烷，我会先写主骨架，再逐步加上环数字。另外，尽量用不同的数字（1、2、3…）避免混淆。如果环数超过9，可以用百分号加两位数字：%10、%11。不过相信我，日常用到超过9个环的分子，你大概率在用专业软件，手写的机会不多。
环的立体化学也需要留意。比如环己烷的椅式构象，SMILES 本身不表达立体，但可以用 @ 和 @@ 表示手性。这个我们后续章节再展开。
5. 组合示例——一个真实的教训
我去年处理一批化合物数据时，有个同事写的 SMILES 是：
C1=CC=C(C=C1)C(=O)O乍一看没问题：苯环连一个羧基。但仔细看，苯环用的是 C 大写（脂肪族），而不是 c 小写。这会导致什么问题？解析器认为这是一个环己烯结构，而非苯环！因为双键位置固定，实际上变成了 1,3-环己二烯的衍生物。正确的芳香写法是：
c1ccc(cc1)C(=O)O # 或 c1ccccc1C(=O)O所以，用大写 C 写苯环，等于强迫它变成单双键交替的非芳香体系。如果你需要计算芳香性，一定用小写 c 和 n 等。
检查清单：
- 所有非有机子集元素必须用方括号（[ ]）。
- 双键/三键显式写出符号（=, #）。
- 分支括号紧跟前一个原子，不能有空格。
- 环数字成对出现，顺序正确。
- 芳香环用小写字母。
- 立体手性用 @ 或 @@（如有需要）。
嗯，这一章内容不少。原子、键、分支、环，四个基础构件，组合起来就能描述绝大多数有机分子。你可以在脑子里试着写几个：乙醇 CCO，丙酮 CC(=O)C，四氢呋喃 C1CCOC1。多练几次，手感就有了。