📚 课程目录第2章分子图与SMILES的关系

分子图与SMILES的关系：从分子结构到SMILES，图论基础

做化学信息学的第一步，就是搞清楚分子结构在计算机里到底长什么样。你平时画在纸上的结构式，说白了是一张「图」——原子是节点，化学键是边。而SMILES就是这张图的一种字符串表示法。怎么从图变成字符串？这里面有套图论规则。

  核心认识： 分子图是「无向标号图」，节点带元素种类，边带键级（单/双/三/芳香）。SMILES是深度优先遍历这张图得到的一条路径，外加分支和环标记。

图论概念快速扫盲

先别怕，“图论”听着高深，实际上就这么几个概念你需要掌握：

节点（顶点）：就是原子。每个原子除了元素符号，还可能带形式电荷、同位素、手性等属性。
边（连接）：化学键。单键、双键、三键、芳香键，SMILES里分别用-、=、#、:表示。
度（Degree）：一个原子连接的键数。比如甲烷中碳的度是4。
环（Cycle）：图中有闭合回路的子结构。SMILES用数字标记环的起点和终点。
树（Tree）：无环的连通图。直链烷烃就是树结构。

我记得有一回我让实习生手写一个SMILES解析器，他死活搞不懂「环数字」是什么意思。其实说白了，就是深度优先遍历到环闭合处时，需要对应回之前的节点，用一个数字做标签——像在图上打补丁。

分子图 vs. SMILES的映射

来看张对照表，把三种形式的同一分子放在一起，你马上就能看出规律：

分子结构（简式）	分子图（节点+边）	典型SMILES
甲醇 CH₃OH	C - O，C有3个H，O有1个H（隐式）	`CO`
异戊烷	直链C4，在2位C上接甲基，分支	`CC(C)C(C)C` 或 `C(C)(C)CC`
环己烷	6个C构成六元环，全部单键	`C1CCCCC1`
苯	6个C六元环，交替双键 → 芳香键	`c1ccccc1`

注意到什么没有？苯的SMILES用小写c，表示芳香碳。环数字1成对出现，标记环的打开和闭合位置。

深度优先遍历：SMILES生成的本质

我习惯把SMILES生成理解成「深度优先走图，碰到分支就加括号」。举个例子，乙醇的分子图：

     H
     |
H — C — C — O — H
     |   |
     H   H

简化后就是两个碳，一个氧，氢全部隐式。从第一个碳开始深度优先：

访问C（节点1），写下C。
向右走到第二个C（节点2），写出CC。
从C继续向右走到O，写出CCO。
O后面是终点的O-H，但H隐式，结束。

乙醇没有分支，也没有环，所以SMILES就是CCO。

一旦有环，比如环己烷，深度遍历走到最后一步发现要回到起点，于是用数字打标：先写C1作为起点，一路走完5个C，最后C1闭合。

避坑指南： 我曾经在生成多环SMILES时，把两个环用了相同数字，结果解析出来分子完全变形。记住：每个环必须用不同的数字（或成对复用数字但不要冲突），常见做法是顺次使用1, 2, 3…而且环闭合时的键类型也要一致。

从分子图到SMILES的算法流程

下面这个SVG展示了最核心的转换步骤，我把它当作课程里的「地图」用：

₁为根步骤3: 深度优先遍历递归访问邻居无环无分支：直写遍历顺序（邻接表） C₁ → C₂ → O 每个节点输出元素符号键符号默认单键可省略输出 SMILES: CCO 💡 若分子有分支：遍历到分支点加括号() 环闭合用数字标记

这张图展示的是最简单的直链乙醇。你想想看，如果分子有分支，比如异丙醇，深度优先走到C₂时发现有两个邻居——一个甲基、一个羟基——那就要写成CC(O)C，括号里的O表示挂在第二个碳上的分支。

Python小实验：从图生成SMILES

纸上谈兵没用，我建议你动手跑一个。下面是个极简实现：用字典表示分子图，深度优先遍历生成SMILES（不考虑环和立体化学，只做演示）。

# 乙醇的分子图：邻接表表示
# 节点用元组 (元素, 附加信息)
graph = {
    'C1': [('C2', 1)],       # 编号1碳连到编号2碳，单键（1）
    'C2': [('C1', 1), ('O1', 1)],  # C2连C1和O
    'O1': [('C2', 1)]        # O1只连C2
}

def dfs(current, visited, graph, path):
    visited.add(current)
    neighbors = graph.get(current, [])
    for neighbor, _ in neighbors:
        if neighbor not in visited:
            # 获取元素符号（默认取第一个字母）
            elem = neighbor[0]  # 仅演示，真实需解析
            path.append(elem)
            dfs(neighbor, visited, graph, path)

start = 'C1'
path = ['C']  # 起始节点
dfs(start, {'C1'}, graph, path)
print(''.join(path))  # 输出 'CCO'

⚠️ 注意： 上面的代码是极度简化的玩具版本。真实SMILES生成要考虑：原子价态、芳香性、环数字分配、分支括号展开顺序、规范排序（canonical SMILES）。如果用RDKit的Chem.MolToSmiles，一切帮你搞定。但理解原理会让你在遇到SMILES解析错误时，知道问题出在哪。

图论视角下的SMILES限制

任何表示法都有边界。分子图本身是无向图，但SMILES强制指定了一个遍历起点和方向。这导致同一个分子可能有多种SMILES写法（非规范）。RDKit通过原子不变性排序输出规范SMILES，但这并非图论天生自带的。

还有一点：隐式氢。分子图中氢原子通常被省略，但SMILES必须通过化合价推导出氢个数。我这里吃过亏——有一次生成一个含N⁺的分子，忘了调整形式电荷，结果RDKit补氢补错了，结构完全变形。

嗯，讲到这里，你应该对「分子图→SMILES」这条路清晰了。下一环节我们会拿真正的分子文件来实战解析SMILES，到时候这些图论概念就会用上。自己动手画几个分子图，再写出对应的SMILES，比看一百遍都管用。