SMILES到分子图转换教程 - 第2节

第2章 SMILES语法基础：原子、键、括号规则

讲真，SMILES 的语法并没有你想象的那么复杂。说白了，它就是一套用 ASCII 字符 描述分子结构的规则。我当年刚接触计算化学时，第一反应是：这玩意儿能替代结构式？后来才意识到，正是这种简洁性，让它成了 Cheminformatics 领域的“通用语”。

咱们从最基础的规则说起。

2.1 原子表示：基础中的基础

SMILES 用元素符号的方括号形式来表示原子。但具体怎么写，有几个关键点。

• 常规有机元素：B、C、N、O、P、S、F、Cl、Br、I —— 这些可以直接写符号，不用加方括号。比如甲烷就是 C，乙醇是 CCO。
• 其他元素：必须用方括号括起来，比如 [Fe]、[Au]、[Si]。我遇到过一个坑：当年解析一个含钨的配合物时，直接写了个 “W”，结果程序报错——钨是金属，得写成 [W]。
• 同位素与价态：方括号内可以带上数字和符号。比如 [13C] 表示碳-13同位素，[Fe+2] 表示二价铁离子。我曾经处理过一个含三价钴的配体，写成 [Co+3] 就对了。

为什么要区分？因为 SMILES 是个严格的语言——它不靠上下文猜。你写 C，它就知道是碳；你写 [C]，它也知道是碳，但前者默认是四价有机环境，后者就是任意价态。

2.2 键类型：单键、双键、三键和芳香键

SMILES 里的键用一个或几个字符夹在两个原子之间表示。规则很简单：

键类型	符号	示例	含义
单键	-	C-C	标准单键，可省略
双键	=	C=C	碳碳双键
三键	#	C#C	碳碳三键
芳香键	:	c1ccccc1	芳香环中的键

这里有个重要特性：单键可以省略不写。比如乙醇 CCO，中间没写 -，系统会自动理解为单键。但双键和三键不能省。

为什么会这样？其实是为了压缩字符串长度。RDKit 底层解析时，碰到连续的字母会尝试自动连键。我一开始写 SMILES 时总是把单键也写上，后来发现纯属多余。

2.3 分支与括号：处理复杂结构

分子结构往往不是线性的。SMILES 用括号 () 表示分支结构。规则如下：

• 分支写在括号里，插入到主链的对应位置。
• 括号内的原子从某一连接点分叉出去，然后还可以继续延伸或再接分支。
• 嵌套分支：括号里面可以再套括号。

举个例子，异丁醇的结构：

CC(C)CO

怎么理解？

1. 从左往右读：C (主链第一个碳)。
2. 接着是 C (第二个碳)。
3. 然后是 (C) ——表示在第二个碳这里分出一个甲基分支。
4. 最后是 CO ——主链继续延伸，连到醇羟基碳。

我曾经在解析一个复杂天然产物时，遇到7层嵌套分支。当时我手动写的 SMILES 漏了一个括号，结果 RDKit 怎么也解析不对。排查了好一阵才找到问题——少了个右括号。从那以后，我习惯用括号计数器来检查。

2.4 环的表示：数字编号

环用数字标记表示开环和闭环。规则是：

• 用数字 1-9 标记环的开端和结束端。
• 相同数字出现两次：第一次表示开始，第二次表示结束。
• 多个环：可以用多个不同数字表示。

比如环己烷 C₆H₁₂，它的 SMILES 是：

C1CCCCC1

怎么解读？

1. 第一个 C 后紧跟 1 ——标记第一个环开始。
2. 接着是 5 个 C（CCCCC）。
3. 最后一个 C 后紧跟 1 ——表示环闭合回到第一个标记点。

对于苯环，标准写法是 c1ccccc1（注意用小写字母表示芳香碳）。但 RDKit 也可以识别 C1=CC=CC=C1（用交替双键表示）。我个人推荐用芳香的写法——更符合化学直觉，而且后续的芳香性感知不会出错。

2.5 核心知识结构

下面这张图总结了 SMILES 语法的四个核心要素。你可以把它当成“解析路线图”来用。

嗯，到这里 SMILES 的核心语法基本就讲完了。你可能会觉得规则有点多，但其实就四个点：原子怎么写、键怎么标、分支怎么括、环怎么编号。把这些搞清楚了，80% 的有机分子你都能手写出来。