第1章　SMILES简介与基本规则

做化学信息学的人，早晚都会撞上 SMILES。我第一次接触这玩意儿是在八年前，当年接手一个化合物库的清洗脚本，老代码里全是“CCO”“CC(=O)O”这种东西。说实话，第一反应是懵的——这串字母到底怎么对应分子结构？

后来啃了几篇论文，自己动手写了个解析器，才算真正搞明白。SMILES（Simplified Molecular Input Line Entry System）说白了就是用一个字符串把分子结构“拍平”。它不像 molfile 那么啰嗦，也不像 InChI 那样自带校验和。简单，但坑也不少。

这节课我们就从头捋一遍 SMILES 的基本规则。你想想看，一个小字符串里要表达原子、键、分支、环、手性、同位素、电荷……不搞清楚规则，写出来的 SMILES 轻则解析失败，重则画出错误的分子。

1.1　原子表示——最基础的积木

SMILES 里的原子用元素符号直接写。比如碳原子写 C，氧写 O，氮写 N。注意，有机元素 Br、Cl、F、I 用两个字母，首字母大写，第二个小写。（我见过有人把溴写成 BR，结果解析器当成硼和什么乱七八糟的……）

氢原子在 SMILES 里通常不写出来，系统根据化合价自动补全。举个例：CCO 表示乙醇，两个碳一个氧，不写氢。

1.2　单键、双键、三键与分支

键的连接方式很简单：

• 单键：直接写出相连的原子，或者用 - 连接（不过大部分时候省略）。
• 双键：用 = 写在两个原子之间。
• 三键：用 #。
• 分支：用圆括号 () 把支链括起来，括号内的原子连接到前面那个原子上。

举个例子：乙醇的写法 CCO 其实可以理解为 C-C-O 单键链。丙酮呢？CC(=O)C——中间的碳上连了一个双键氧，那个括号说明氧是支链，不是链的一部分。

# 几种常见示例
乙醇     CCO
丙酮     CC(=O)C
乙酸     CC(=O)O
甲胺     CN
三键     C#N   (乙腈)

这里有个坑：分支括号必须成对出现，而且括号里的原子个数不限。我曾在一个 3000 种化合物的库中发现有人写了 CC(=O(C)C) 这种错法——括号放错位置，结果解析出来的结构多了一个碳环。避坑指南：**括号里的内容表示取代基，只能挂在前面那个原子上，不能跨原子括。**

1.3　环——用数字标记开环

SMILES 里要表达环结构，不能真的画圈，而是用数字做标记。比如苯：c1ccccc1。数字 1 表示第一个标记点，后面再出现 1 就把前后两个原子连起来成环。

如果是脂肪环，比如环己烷：C1CCCCC1。数字可以是 0–99，但注意不要重复使用同一个数字表示不同环（除非被冒号分隔的离散数字，但基本规则中我们一般只用一个数字对应一个环）。

1.4　手性——@ 与 @@

SMILES 用 @ 和 @@ 标记手性中心。放在手性原子符号后面。比如丙氨酸的两种手性异构体：

• L-丙氨酸：N[C@@H](C)C(=O)O
• D-丙氨酸：N[C@H](C)C(=O)O

@ 表示逆时针方向（按原子顺序的透视式），@@ 表示顺时针。记住方法：@ 像一个逆时针的小箭头。我个人习惯在处理手性时先画出费歇尔投影，再转换成 SMILES，这样不容易搞混。

1.5　芳香性与小写字母

芳香性在 SMILES 里用小写元素符号表示。常见的是 c、n、o、s 等。比如吡啶：n1ccccc1。注意，芳香环中的双键不写，系统自动按离域键处理。

为什么不直接写大写的 C1=CC=CC=C1？因为那样写出来的是带交替单双键的环己三烯，不是真正的芳香苯环。解析器在芳香性处理后结构会不一样。所以，如果你想表达真实苯环，必须用小写 c。

1.6　同位素、电荷与原子详细表示

原子还可以带方括号表示同位素、电荷、额外氢。格式如下：

[13C]        – 碳-13
[NH4+]       – 铵离子
[OH-]        – 氢氧根
[2H]CH3      – 氘代甲烷（甲基上的一个氢被氘取代）

方括号里的内容可以包含：

• 原子符号（大写首字母）
• 质量数（可选，放在元素符号前面，比如 [13C]）
• 电荷（用 +、- 表示，可加数字，比如 [Fe+2]）
• 氢原子个数（用 H 加数字，比如 [CH2] 表示“碳上连两个氢”，但一般不这样写，因为 SMILES 会自动补氢）

我遇到过坑：写 [Fe+2] 时忘记写方括号，结果解析成 Fe 加一个数字 2，成了铁原子后面跟一个孤零零的数字。避坑：**所有带电荷、同位素、额外信息的原子都必须用方括号括起来。**

1.7　整个知识体系：SMILES 字符串到分子结构的映射

这一张图帮你理清从字符串到真实分子之间的转化流程。

从上面这张图可以看出，SMILES 的解析并不是一步到位的。系统需要依次处理原子、分支、环、补氢。我早期写解析器的时候漏掉了芳香性后处理，结果输出的苯环结构仍然显示为环己三烯，被导师批了一顿。

1.8　避坑指南——你可能会犯的错误

1. 数字冲突：一个环编号不要被两对以上原子使用。比如多个环时，需要用 % 加两位数字避免混淆。样例：C%12CC%12C%13CC%13 表示两个不共享原子的环。
2. 括号连续性：CC(OC) 表示甲氧基乙烷，但若写成 CC(O(C)) 则多了一层括号，表示氧上再连一个碳？不，结构会乱。保持括号最小嵌套。
3. 手性忘记写 @：如果你没写 @，默认不是手性中心。在药物分子里少写一个 @ 可能改变立体构型，活性可能就是天壤之别。

1.9　检验你的理解——几个小练手

下面这几个 SMILES 你试着在脑海中还原成结构，并判断正误。答案写在右下角空白处（当然这里只是文字）。