📚 课程目录第3章 SMILES表示规则

SMILES 表示规则：环、电荷、同位素

SMILES 这玩意儿，说白了就是用一串字符把分子结构给「说」清楚。前两章我们讲了原子和键的基本写法，但真实分子哪有那么简单？环怎么闭合？电荷往哪放？同位素怎么标？这些都是绕不过去的坎。我个人习惯把这三种规则叫作 SMILES 的「三大金刚」——搞懂了它们，你就能表示绝大部分有机分子了。

我记得刚入行那会儿，第一次看到 C1CCCCC1 这种写法，心里直犯嘀咕：这数字是啥意思？后来才明白，原来环就是用数字来「配对」的。这一章，我就把环、电荷、同位素的表示规则掰开揉碎了讲清楚。

    核心要点： 环用数字标记开环与闭环的位置；电荷用方括号加符号表示；同位素在原子符号前加质量数。三者可以自由组合，放在方括号里一起搞定。

环结构：数字标记的艺术

SMILES 里没有直接的「画环」功能，它用了一个很巧妙的方法——数字标记。你想啊，一个环无非就是一条链在某个地方首尾相连。那怎么表示「首尾相连」这个动作呢？用相同的数字标在首尾两个原子上。

举个最经典的例子：环己烷。

C1CCCCC1

这里发生了什么？第一个碳后面跟着数字 1，最后一个碳后面也跟着 1。SMILES 解析器看到两个相同的数字，就知道这两个碳要连起来，形成一个六元环。说白了，数字就是「配对暗号」。

那如果有两个环怎么办？很简单，用不同的数字呗。

C1CC2CCCC2C1

这个例子是十氢化萘（decalin）。你看，数字 1 和 2 分别标记了两个环的起点和终点。解析器会根据数字配对来构建环的连接关系。

我的小建议： 环编号从 1 开始，依次递增就好。尽量不要跳号或重复使用同一个数字标记三个以上的环，虽然标准允许，但可读性会变差。我在项目中吃过这个亏——半年后回头看自己写的 SMILES，愣是看了半天才反应过来。

芳香环的写法也类似，只是原子用小写字母。比如苯：

c1ccccc1

小写的 c 表示芳香碳。这里六个芳香碳通过数字 1 闭合，形成一个芳香六元环。注意，芳香环的键是交替的单双键，但 SMILES 里不写出来，用小写字母就隐含了芳香性。

来，我们看个更复杂点的——吲哚：

c1ccc2c(c1)cc[nH]2

这个 SMILES 里既有苯环（c1ccc...c1），又有吡咯环（通过数字 2 标记）。两个环共享两个碳原子，形成了稠环结构。嗯，写这种 SMILES 的时候要特别小心配对的数字别搞混了。

电荷表示：方括号里的秘密

分子经常带电，尤其是离子化合物和反应中间体。SMILES 用方括号把电荷信息包起来，紧跟在原子符号后面。

基本格式就两种：

[+n]  表示正电荷
[-n]  表示负电荷

其中 n 是电荷数，如果是 1 可以省略不写。

来看几个例子：

物种	SMILES	说明
钠离子	`[Na+]`	正电荷，电荷数为 1，省略了数字
氯离子	`[Cl-]`	负电荷，电荷数为 1
镁离子	`[Mg+2]`	正二价，数字不能省
铁离子	`[Fe+3]`	正三价
氢氧根	`[OH-]`	负电荷在氧上，整体带一个负电

注意： 电荷必须写在方括号里，即使是单个原子也不例外。比如钠离子不能写成 Na+（不加方括号），必须写成 [Na+]。我曾经在解析一个数据库时发现有人写了 Na+，结果解析器直接报错……那场面挺尴尬的。

还有一种特殊情况——自由基或未配对电子。用 . 或者 ^ 表示，不过用得不多。比如氧自由基可以写成 [O] 或 [O.]，但主流写法是 [O] 加上一个未配对的电子暗示。

同位素标记：质量数带来的精确

同位素在化学中太重要了——质谱、核磁、同位素示踪，哪哪都离不开它。SMILES 里标记同位素的方式很直接：在原子符号前面加上质量数，一起放在方括号里。

格式很简单：

[质量数原子符号]

比如：

同位素	SMILES	说明
碳-13	`[13C]`	质量数 13，碳符号 C
氘（重氢）	`[2H]`	质量数 2，氢符号 H
氚	`[3H]`	质量数 3
氮-15	`[15N]`	质量数 15
氧-18	`[18O]`	质量数 18

注意，同位素标记必须写在方括号里，即使这个原子在分子中只有这一个。比如氘代甲烷可以写成 [2H]C，而不是 2HC 或 H2C（那成甲烷了）。

实用技巧： 在药物代谢研究中，经常用氘代化合物来追踪代谢路径。写 SMILES 的时候，把要标记的氢换成 [2H] 就行。比如苯环上的一个氘：c1cc([2H])ccc1。我在做代谢物鉴定项目时，这个写法几乎天天用。

三者合一：实战中的组合使用

真实分子往往同时包含环、电荷和同位素。这三者可以自由组合，都写在方括号里就行。顺序一般是：同位素 > 原子符号 > 电荷。

来看一个综合例子：

[13C]1CCCCC1[+1]

这个 SMILES 表示什么？1-位是碳-13 标记的环己烷正离子。拆开来看：

[13C] — 环上的第一个碳是碳-13 同位素
1CCCCC1 — 六元环，数字 1 标记闭环
[+1] — 环上的某个位置带一个正电荷（这里指的是最后一个碳）

再复杂一点：氘代吡啶正离子。

[2H]c1cc[nH+]cc1

这个 SMILES 里有：氘（[2H]）、芳香环（小写 c 和数字 1）、正电荷（+ 在氮上）。你看，三种规则在同一个分子里和谐共存。

下面我用 Python 演示一下，如何用 RDKit 解析这类 SMILES 并提取信息：

from rdkit import Chem

smiles = "[13C]1CCCCC1[+1]"
mol = Chem.MolFromSmiles(smiles)

if mol:
    for atom in mol.GetAtoms():
        idx = atom.GetIdx()
        symbol = atom.GetSymbol()
        isotope = atom.GetIsotope()
        charge = atom.GetFormalCharge()
        print(f"原子 {idx}: {symbol}, 同位素={isotope}, 电荷={charge}")
    else:
        print("SMILES 解析失败")

输出结果大致是：

原子 0: C, 同位素=13, 电荷=0
原子 1: C, 同位素=0, 电荷=0
原子 2: C, 同位素=0, 电荷=0
原子 3: C, 同位素=0, 电荷=0
原子 4: C, 同位素=0, 电荷=0
原子 5: C, 同位素=0, 电荷=1

看到没？原子 0 的同位素是 13，原子 5 的电荷是 +1，完美对应了我们的 SMILES 输入。RDKit 把方括号里的信息解析得干干净净。

    重要： 环的数字标记只负责「在哪里连」，不携带任何原子属性。而方括号里的同位素和电荷，才是真正附加在原子的「额外信息」。两者分工明确，互不干扰。

下面这张图总结了三种表示规则的核心逻辑和它们之间的关系：

避坑指南 — 我踩过的那些雷

做化学信息学这么多年，我在 SMILES 的环、电荷、同位素上栽过不少跟头。分享几个典型的坑，你们遇到了能绕开。

坑一：环数字搞混。 我曾经写一个含有三个环的分子，用了数字 1、2、3 来标记。结果写到最后发现数字 2 出现了三次，解析器直接蒙圈。后来学乖了，每写一个环就在纸上记一下数字用了没。

坑二：电荷忘加方括号。 这是新手最常见的错误。比如把钠离子写成 Na+，解析器会认为 + 是正电荷符号没错，但 SMILES 标准要求方括号。我见过一个数据库里几万条 SMILES 都是这种写法，后来写了个脚本批量加方括号才搞定。

坑三：同位素和电荷写反了顺序。 虽然解析器对顺序没那么敏感，但标准写法是 [质量数符号电荷]，比如 [13C+1] 而不是 [C13+1] 或 [+1C13]。我刚开始写的时候经常写反，后来写多了才形成肌肉记忆。

特别提醒： 环的数字编号只在本 SMILES 字符串内有效，不同分子之间的环数字没有关联。也就是说，C1CCCCC1 里的数字 1 和 C1CC1 里的数字 1 互不相干，各管各的。千万别把它们当成全局编号。

好了，这一章的内容就到这里。环、电荷、同位素这三个规则，是 SMILES 中处理复杂分子的基础。你想想看，如果没有数字标记法，开环分子和环状分子只能用不同的表示系统，那得多麻烦？方括号语法的设计也很聪明——把额外信息包起来，不干扰主干结构。搞懂了这些，你就能读懂和写出绝大多数有机分子的 SMILES 了。