📚 课程目录第2章 SMILES表示规则

SMILES表示规则：原子、键、分支

聊到SMILES，很多人第一反应是「一串乱码一样的字符串」。但说白了，它是一门极其精简的化学语言。当年我在做一个高通量虚拟筛选项目时，面对十万级别的化合物库，就是靠SMILES完成了所有分子输入。从那以后我就明白——要玩转化学信息学，SMILES规则必须吃透。

本章我们从三个核心要素入手：原子怎么写、键怎么连、分支怎么处理。这三样搞定了，你就能读懂90%以上的SMILES字符串。

2.1 原子表示规则

原子是SMILES最小的构件。规则其实很简单，但有几个细节特别容易栽跟头。

2.1.1 有机元素子集

有这么几个元素，书写时可以直接用元素符号，不需要加方括号：

有机元素子集： B、C、N、O、P、S、F、Cl、Br、I

其他的元素，比如Na、Fe、Mg，必须用方括号括起来，写成 [Na]、[Fe]、[Mg]。

为什么这样设计？我琢磨过——早期SMILES是为有机化学设计的，所以把有机化学里最常见的元素单拎出来，方便书写。无机或金属有机化合物，用方括号兜底。

2.1.2 四法则

这是个核心规则，当初我学的时候记了好久。其实就四句话：

原子符号写标准缩写（第一个字母大写，第二个小写）
默认价态按元素种类推断（比如C默认4价）
隐含的氢原子自动补全（你不需要写H，系统会自动补）
环结构用数字标记连接点（后面章节细讲）

注意： 我曾经有个同事在写SMILES时，把乙醇写成了 C2H5OH，结果解析器报错。他忘了——SMILES里不需要也不能写H原子，系统会根据价态自动补全。正确写法是 CCO。

举个例子：乙醇的SMILES是 CCO。我用眼睛看的时候，会这样拆解：第一个C是甲基碳（连3个H），第二个C是亚甲基碳（连2个H），最后的O是羟基氧（连1个H）。

你想想看，要是我写成 C2H6O，那SMILES解析器会怎么理解？它会把2当成环标记或分支标记，乱套了。

2.1.3 方括号与特殊原子

当原子偏离默认价态、带电荷、或是同位素时，必须用方括号括起来：

[Fe]         — 铁原子（不在有机子集中）
[OH-]        — 氢氧根离子
[13C]        — 碳-13同位素
[NH4+]       — 铵离子
[Cu+2]       — 铜(II)离子

这里有个技巧：方括号内可以写 原子符号 + 氢原子数（可选） + 电荷（可选）。顺序是固定的。

小经验： 写带电原子时，电荷符号+或-跟在数字后面，比如 [Fe+3] 表示Fe(III)。电荷写在前或后都能被解析，但我个人习惯统一把电荷放在末尾，可读性更好。

2.2 键的表示

SMILES里的键符号很直观，但也有一些省略规则需要注意。

键类型	SMILES符号	示例	说明
单键	`-` 或省略	`CC` 或 `C-C`	相邻原子默认是单键，可省略
双键	`=`	`C=C`	必须显式写出
三键	`#`	`C#C`	必须显式写出
芳香键	`:`	`c1ccccc1`	小写c表示芳香碳，键隐含

我用项目里的例子说明一下：乙醇写成 CCO，这里两个C之间是单键，C和O之间也是单键。单键符号被省略了，但解析器心里门儿清。

双键和三键不能省，必须写出来。比如乙烯必须是 C=C，写成 CC 就变成乙烷了。这个坑我见过不少人踩。

关键区别： 单键符号 - 是可选的，但双键 =、三键 #、芳香键 : 是强制的。我建议初学者刚开始都写完整，等熟练了再省略单键符号。

2.3 分支处理

分支是SMILES里最考验「人肉栈」的部分。它用圆括号 ( ) 来表示支链。

2.3.1 基本分支语法

规则很简单：括号里的部分是一个完整的支链，连接到括号前的原子上。

CC(C)C       — 异丁烷：主链C-C-C，中间的C上连一个甲基支链
CC(C)(C)C    — 新戊烷：中间的C连两个甲基支链
CCC(=O)O    — 丙酸：中间的C上连一个=O支链，末尾C连一个-OH支链

我刚开始写分支时，总搞不清括号应该放在哪。后来记住一句话：括号紧跟它连接的原子。

2.3.2 嵌套分支

一个原子上可以连多个分支，也可以分支套分支：

CC(C)(C)C         — 新戊烷（两个甲基分支在同一个C上）
CC(C)C(C)C        — 2,3-二甲基丁烷
CC(C)(C(=O)O)    — 2-甲基丙酸（支链里还有支链）

解析嵌套分支时，脑子里要做一个「栈操作」——遇到左括号就入栈，遇到右括号就出栈。嗯，其实写SMILES和写代码的括号匹配是一模一样的道理。

避坑指南： 我曾经在写一个含多个支链的分子时，少写了一个右括号，结果解析器把后面一大段都当成支链内容了，最后输出完全不对。所以写完SMILES字符串，一定要数一数左右括号数量是否一致。一个小技巧：用带语法高亮的编辑器写SMILES，括号匹配一目了然。

2.3.3 分支连接方向

SMILES里分支默认连接到「左边紧邻的原子」：

CC(C)CC    — 分支连在第二个C上，而不是第一个或第三个

但要注意：如果括号前面是另一个括号的结尾，那分支就连接到对应的原子上：

CC(C)(C)CC   — 两个分支都连在第二个C上

这个规则说白了就是——括号的归属由它前面的非括号原子决定。

2.4 综合示例：手写解析

我们用几个实际例子，把原子、键、分支串联起来看看。

SMILES	分子名称	结构拆解
`CCO`	乙醇	C-C-O，单键全部省略
`CC(C)C`	异丁烷	主链C-C-C，第二个C的分支上连一个甲基
`C=C`	乙烯	双键显式写出
`CC(=O)O`	乙酸	第二个C上连一个=O分支，末尾C连-OH
`c1ccccc1`	苯	小写c表示芳香碳，数字1标记环闭合

我的个人习惯： 刚开始练习时，我会把每个SMILES的手工展开画一遍。拿 CC(=O)O 举例，我先写主链 C-C-O，然后看到括号里的 =O 连在第二个C上，所以第二个C上除了连C和O，还连了一个双键O。画着画着就顺了。

2.5 小结

这一章我们聊了SMILES最核心的三个构件：

原子：有机子集直接写，其他用方括号；氢原子自动补全，不用写。
键：单键可省略，双键、三键、芳香键必须显式写出。
分支：圆括号包裹支链，括号紧跟对应的原子；嵌套分支用栈思想匹配。

这三样东西就像汉字里的偏旁部首。你组合好它们，就能描述几乎所有有机分子。下一章我们聊聊环结构的表示——那个数字标记法我第一次看也是一头雾水，但用熟了就会发现它特别巧妙。

总结三句话：

原子符号看元素，有机子集直接写，其他原子加方框。
单键省略双键显，三键芳香别搞反。
分支括号紧跟前，左右括号要配对。