📚 课程目录第4章同位素与电荷

同位素与电荷：同位素标记、形式电荷的表示与标准化

这一章我们聊点实际生产中经常被忽略的东西——同位素标记和形式电荷。说实话，很多新手甚至老手都觉得只要把原子连对就行，同位素和电荷嘛，后面再补。但我在项目里吃过亏，有一次化合物注册库因为同位素写法不统一，导致一批含氘分子被下游工具当作普通氢处理，整整浪费了两天时间排查。从那以后，我把这部分单独拎出来做了标准化规则。

4.1 同位素标记的表示与标准化

SMILES 里规定，同位素用方括号括起，质量数写在元素符号前面。比如碳‑13 写 [13C]，氘写 [2H]。看起来简单对吧？但实际数据里你会看到各种变体，比如 [C13]、[13C@@H] 甚至 H 直接写 [2H] 和 [D] 混用。标准化就是要把这些全部统一成一种形式。

标准化规则：同位素质量数必须紧贴元素符号左侧，用方括号包裹；不省略质量数，即使是最常见的同位素（如 [1H] 不要写成 [H]）。

我个人习惯用 RDKit 的 Chem.MolFromSmiles 解析后再通过 Chem.MolToSmiles 输出，RDKit 会自动规范化同位素位置。不过要注意，RDKit 会把氘写成 [2H]，如果你内部要求保留 [D]，那就得自己写转换。

from rdkit import Chem

smiles_list = [
    "C[13C](=O)O",           # 正确形式
    "C[13C](=O)O",           # 已标准
    "[C13](=O)C",            # 错误顺序
]
for smi in smiles_list:
    mol = Chem.MolFromSmiles(smi)
    print(Chem.MolToSmiles(mol))
# 输出统一为 C[13C](=O)O

4.2 形式电荷的表示与标准化

形式电荷在 SMILES 里用加号/减号跟在原子符号后面，比如铵根写 [NH4+]，氧负离子写 [O-]。问题在于，电荷数量多时容易写重复，比如 [N+] 和 [N+1] 等价，但工具可能不认。标准化做法是：只写符号，不写数字 1；如果是多电荷，必须写数字，比如 [N+2] 而不是 [N++]。

原始写法	标准化结果	说明
`[N+]`	`[N+]`	单电荷不写 1
`[N+1]`	`[N+]`	去掉数字 1
`[O--]`	`[O-2]`	双电荷写数字
`[Fe+3]`	`[Fe+3]`	三价铁正确

曾经有用户提交的 SMILES 中硝基写成了 [N+](=O)[O-]，这个是对的。但如果写 N(=O)O 不带电荷，那就跟中性亚硝酸酯混淆了。标准化时必须显式标出形式电荷。

4.3 标准化实战流程

整体流程我一般分三步走：解析 → 修正 → 重写。下面这张图可以帮你看清脉络。

具体到代码，我推荐在标准化管道里同时处理这两者：

def standardize_smiles(smi):
    mol = Chem.MolFromSmiles(smi)
    if mol is None:
        raise ValueError("无法解析SMILES")
    # RDKit 会自动处理同位素顺序和电荷格式
    return Chem.MolToSmiles(mol, canonical=True)

# 测试
test_cases = [
    "[13C]C",           # 应当变为 C[13C]
    "[2H]C(=O)O",      # 应当保持
    "[N+](=O)[O-]",    # 保持
    "[Fe+2]",          # 保持
]
for s in test_cases:
    print(f"{s:20} -> {standardize_smiles(s)}")

注意：RDKit 的 canonization 会把 [13CH3] 变成 [13CH3]，但如果你要显式写出所有氢，就得关掉 implicit valence。这在批处理中容易忽略，我建议在标准化前统一设置 Chem.SetDefaultMolProperties 参数。

4.4 常见坑与避坑指南

坑一：同位素和手性同时存在时，比如 [13C@@H](C)O，标准化后可能变成 [13C@@H](C)O 没问题，但有些人忘记把质量数写在最前面导致解析出错。

坑二：电荷符号与数值重复，比如 [N+1] 在某些工具里会读成两个加号。我曾经在对接 PubChem 数据时发现近 3% 的分子存在这类错误。

坑三：硝基一定要写形式电荷。标准写法 [N+](=O)[O-]，如果写成 N(=O)O 就失去硝基的特征了。标准化规则里必须强制加方括号。

我曾经犯过一个大错：以为 [2H] 和 D 在可视化时没区别，直接替换。结果下游对接软件不认 D 元素符号，导致全部失败。从此以后我严格规定：任何同位素必须用方括号加质量数表示，禁止使用元素符号简写（如 D、T）。

最后给个总结性的表格，方便对照：

项目	错误示例	正确标准化
同位素顺序	`[C13]`	`[13C]`
氘标记	`D` 或 `[D]`	`[2H]`
单电荷	`[N+1]` 或 `[N++]`	`[N+]`
多电荷	`[O--]` 或 `[O-2]`	`[O-2]`（数字不可省略）
硝基	`N(=O)O`	`[N+](=O)[O-]`

这一章的内容就到这里。记住：同位素和电荷的标准化不是可选项，它是批次一致性检查的硬门槛。