分子图表示方法：三种基础数据结构

聊到分子图结构，我第一个想跟你分享的就是“表示方法”。说白了，就是怎么把一个分子存进计算机。我在早期做化学数据库时，吃过不少格式不统一的亏，后来才明白——选对表示方法，后面的分析工作能省一半力气。

分子图本质上是个无向图（有时带键级属性），原子是节点，化学键是边。那么问题来了：存成哪种数据结构最合适？我个人习惯根据场景选，主要有三种——邻接矩阵、边列表、化学文件格式。

邻接矩阵

邻接矩阵是图论里最直接的表示法。对于一个有 V 个原子的分子，开一个 V×V 的方阵。如果原子 i 和原子 j 之间有键，矩阵元素 A[i][j] 设为键级，否则为 0。

举个例子，乙醇 (C₂H₅OH) 的邻接矩阵（仅重原子部分）：

     C1  C2  O
C1   0   1   0
C2   1   0   1
O    0   1   0

你想想看，这结构多清晰。查找两个原子是否相连，O(1) 时间就能搞定。但代价也很明显——空间复杂度 O(V²)。一个含 100 个原子的分子就要 10000 个格子，大部分还是空的。

边列表

边列表就简单了，它就是所有化学键的集合。每一条记录包含两个原子索引和键的类型。

还是乙醇的例子：

0 1 1.0   # C1 - C2 单键
1 2 1.0   # C2 - O  单键

这里我把 C1 编为 0 号，C2 编为 1 号，O 编为 2 号。每条边三个数字：起点、终点、键级。

边列表的优势是节省空间。一个稀疏分子（比如蛋白质）可能有几千个原子，但每个原子平均只连 2-3 个键。用边列表存储，空间复杂度是 O(E)，比邻接矩阵省得多。

边列表的查询性能是短板。你想知道两个原子有没有键，得遍历整个列表。所以在我做的图算法里，边列表通常只作为原始输入，后续会转成其他结构再计算。

化学文件格式：SDF 与 MOL

前面两种是纯数据结构，但工业界和学术界更常用的是标准文件格式。最经典的就是 MDL Molfile 和它的大哥 SDF（Structure-Data File）。

Molfile 的原子块（Atom Block）格式固定：

x y z 元素符号 同位素 电荷 等等

键块（Bond Block）更简单：

起点 终点 键类型 键立体化学

一个完整的乙醇 MOL 文件大概长这样：

ethanol.mol
  ChemDraw01011123393D

  3  2  0  0  0  0  0  0  0  0  1 V2000
    0.8660    0.5000    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
    0.0000    0.0000    0.0000 C   0  0  0  0  0  0  0  0  0  0  0  0
    1.7320    0.0000    0.0000 O   0  0  0  0  0  0  0  0  0  0  0  0
  1  2  1  0  0  0  0
  2  3  1  0  0  0  0
M  END
$$$$

SDF 就是一个 MOL 文件后面挂着一些键值对属性（分子名称、LogP、SMILES 等），再以 $$$$ 结束。多个分子就拼接在一起。所以 SDF 其实是一个“多分子容器”。

这三种表示方法各有各的舞台。在我日常工作中，边列表常用于算法原型验证，邻接矩阵用于图卷积网络（GCN）的输入，而 SDF 是数据交换的“硬通货”。掌握它们，你就拥有了“看分子”的三种不同视角。

理解这三种表示方法，是构建分子分析工具的必修课。我在搭建第一个分子数据库时，就从边列表起步，后面为了让子结构搜索更快才加了邻接矩阵。一步步来，你也能找到自己项目的“最优解”。