2. SMILES表示法：原子、键、分支

SMILES，全称是 Simplified Molecular Input Line Entry System。说白了，就是一种用一行字符串描述分子结构的语法。我当年第一次接触时，觉得这东西像化学界的七言绝句——规则简单，但表达能力惊人。

这一章，我们就把它拆成原子、键、分支三块来讲。每个部分我都会结合自己踩过的坑来聊，希望能帮你少走些弯路。

2.1 原子表示

SMILES里，原子符号直接用元素周期表的大写字母表示。单字母的直接写，比如 C、N、O。双字母的，第二个字母小写，比如 Cl、Br。嗯，这里有个细节：Se、Si 也是小写第二字母。我曾经在一个项目里把 Co（钴）写成了 CO（一氧化碳），结果解析出来的分子完全不对——SMILES里 CO 是碳-氧单键相连，不是钴元素。避坑指南：元素符号区分大小写，双字母必须首字母大写、次字母小写。

芳香原子用小写字母表示，比如 c 代表苯环上的碳，n 代表吡啶环上的氮。这部分我们后续章节会详细展开。

原子	SMILES 符号	说明
碳	C	脂肪碳（sp3）
氮	N	脂肪氮
氧	O	脂肪氧
氯	Cl	双字母，l 小写
溴	Br	双字母，r 小写
芳香碳	c	小写代表芳香性
芳香氮	n	小写代表芳香性

2.2 键的类型

键的表示很直观：单键直接写原子符号，不写任何键符；双键写等号 =；三键写井号 #。比如乙烯就是 C=C，乙炔就是 C#C。

那么四键呢？ 标准 SMILES 不直接支持四键。如果需要表示，用四键符号 $，但极其罕见。我做了十年化学信息学，只遇到过两次四键——都是某些过渡金属-金属配合物。

芳香键不显式画出，而是用小写原子自动隐含。这也意味着：当你写一个大写的 C，它永远是脂肪碳；写小写的 c，它自动进入芳香系统。我当初犯过一个错：想把苯环写出来，但用了大写 C 加单双键交替——结果解析器把它当作环己三烯，而不是芳香苯。记住，SMILES 里 c1ccccc1 才是真正的苯。

另外，键的方向性不重要。比如 C=C 和 C=C 反过来是一样的。但有些扩展规范（如 Isomeric SMILES）支持顺反异构，用 / 和 \ 表示键的走向。这部分属于进阶内容，我们后面再讲。

2.3 分支语法与规则

分支是 SMILES 最有用的特性之一。它用圆括号 () 把侧链包裹起来，并附着在主干原子后面。比如异丙醇 CC(C)O 表示：一个碳连着两个甲基（括号内是第二个甲基），再接一个羟基。你想想看，如果没有括号，我们怎么表示支链？只能通过画图了。

括号可以嵌套：CC(C)(C)O 表示叔丁醇（三个甲基在同一碳上）。也就是说，一个括号内的内容可以视为一个“子结构”，它自己又可以包含其他括号。

实际项目里，我最烦的坑是：括号位置放错。举个例子：OC(C)C 和 OCC(C)C 是完全不同的分子——前者是异丙醇，后者是丁醇。我曾经在生成药物分子库时，因为一个括号位置错误，导致一万个分子全部生成成同分异构体，直到验证时才发现。避坑指南：写长 SMILES 时，先用纸笔画一下结构，再用括号对应侧链位置。

分支还有一个隐藏规则：括号里不能是孤立原子，必须是一个完整的子图。比如 C(O)C 合法，但 C(O 缺少右括号，语法错误。C(O)(C) 也合法，表示两个分支在同一原子上。

另外，分支的顺序不影响拓扑等价性。比如 CC(C)O 和 CC(O)C 其实表示同一个分子？不对，前者第二个碳上挂了甲基和羟基，后者第一个碳上挂了甲基，第二个碳上挂了羟基。记住：括号的位置决定连接点，不能随便移。

最后，我们用一个完整的示例把原子、键、分支串起来。下面这个 SMILES 代表阿司匹林（乙酰水杨酸）：

CC(=O)Oc1ccccc1C(=O)O

解析： CC(=O)O 是乙酰基（两个碳，第一个碳双键氧，再连一个氧）；c1ccccc1 是苯环；C(=O)O 是羧基。整个分子是个醚键连接。

我建议你手写这段 SMILES，对着结构图验证一遍。相信我，自己写一次胜过看十遍。