close

SMIL

Gå til navigation Gå til søg
SMIL
http://www.daylight.com/smiles/
Generel information
filtypenavn .smi
mime-type kemikalie/x-dagslys-smil
formattype kemi filformat
åbent format ?

I kemi er Simplified Molecular Input Line Entry Specification ( SMILES ) en specifikation til utvetydigt at beskrive strukturen af ​​et molekyle ved hjælp af korte ASCII- strenge . SMILES-strenge kan importeres af de fleste molekylære editorer til konvertering til 2D- tegninger eller 3D- modeller af molekylerne.

Den originale SMILES-specifikation blev udviklet af Arthur Weininger og David Weininger i slutningen af ​​1980'erne. Den er blevet ændret og udvidet af andre, især Daylight Chemical Information Systems Inc. En åben standard kaldet "OpenSMILES" blev udviklet af fællesskabet i 2007. Blå Obelisk open source kemibibliotek . Andre lineære notationer inkluderer Wiswesser Linear Notation (WLN), ROSDAL og SLN (Tripos Inc.)

I august 2006 introducerede IUPAC InChI som en standard for repræsentation af molekylære strukturer. SMILES anses generelt for at have fordelen af ​​at være mere forståelig for menneskelig læsning end InChI; det har også en bredere base af softwareunderstøttelse baseret på grafteori .

Terminologi

Udtrykket SMILES refererer til en lineær notation til kodning af molekylære strukturer, mens specifikke instanser bør kaldes SMILES-strenge. Udtrykket SMILES er dog også almindeligt brugt til at henvise til enten en enkelt SMILES-streng eller et antal SMILES-strenge, og den nøjagtige betydning fremgår af sammenhængen. Udtrykkene kanonisk og isomer kan føre til en vis forvirring, når de anvendes på SMILES. Begreberne beskriver forskellige attributter for SMILES-strenge og udelukker ikke hinanden.

Generelt kan et antal lige gyldige SMILES-strenge skrives for et molekyle. For eksempel specificerer CCO, OCC og C(O)C lige meget ethanol . Algoritmer er blevet udviklet for at sikre, at den samme SMILES-streng genereres for et molekyle, uanset rækkefølgen af ​​atomerne i strukturen. Denne SMILES-streng er unik for hver struktur, selvom den er afhængig af den "kanoniske" algoritme, der bruges til at generere den, og kaldes " kanoniske SMILES " . Disse algoritmer konverterer først SMILES til en intern repræsentation af den molekylære struktur og manipulerer ikke blot strengene, som man nogle gange tror. Algoritmerne til at generere kanoniske SMILES blev udviklet hos Daylight Chemical Information Systems , OpenEye Scientific Software og Chemical Computing Group . En almindelig anvendelse af kanoniske SMILES er til indeksering og til at sikre unikke molekyler i en database .

SMILES-notationen tillader specifikation af stereoisomerer . Disse strukturelle funktioner kan ikke specificeres af tilslutning alene, så SMILES-strengene, der koder for denne information, kaldes isomere SMILES . Et bemærkelsesværdigt træk ved disse regler er, at de tillader streng delvis specifikation af chiralitet . Udtrykket "isomeriske SMILES" bruges også ofte til SMILES-strenge, hvor isotoper er specificeret .

Eksempler

Image
SMILES repræsentation afledning eksempel. A. Struktur af molekylet, ciprofloxacin . B. Undertrykkelse af brintatomer, ringåbning og nummerering. C. Træ, der dækker den de-cykliserede struktur. D. Tilsvarende SMILES-kæde, farvekoden svarer til farven på grenene ombord på C.

Atomer

Atomer er repræsenteret af standardforkortelsen for hvert kemisk element i firkantede parenteser, såsom [Au] for guld . Paranteser kan udelades for "organiske delmængder" af B, C, N, O, P, S, F, Cl, Br og I. Alle andre elementer skal stå i parentes. Hvis de firkantede parenteser udelades, antages det korrekte antal underforståede hydrogenatomer; for eksempel er SMILES-strengen for vand blot O.

Et atom, der bærer en eller flere elektriske ladninger, er omgivet af firkantede parenteser (hvad det end måtte være), efterfulgt af symbolet H, hvis det er bundet til et eller flere hydrogenatomer (disse efterfølges derefter af deres nummer) ., undtagen hvis der ikke er et: NH4 for ammonium ), efter '+' tegnet for en positiv ladning eller '-' tegnet for en negativ ladning. Antallet af afgifter angives derefter efter tegnet (undtagen hvis der ikke er en); dog er det altså muligt at skrive ladningens/ladningens fortegn lige så mange gange, som ionen har af dem: i stedet for "Ti+4" kan de meget vel skrive "Ti++++" ( Titanium IV , Ti 4+ ) . Således er hydroxidanionen repræsenteret ved [OH-], oxoniumkationen med [ OH3 +], og cobalt III -kationen ( Co 3+ ) af [Co+3] eller af [Co+++].

Links

Bindinger mellem alifatiske atomer antages at være enkeltstående, medmindre andet er angivet, og er underforstået af naboskab i SMILES-kæder. For eksempel kan SMILES-strengen for ethanol skrives som CCO. Ringlukningsmærker kan bruges til at angive forbindelse mellem ikke-tilstødende atomer i SMILES-kæden, som for cyclohexan og dioxan er henholdsvis C1CCCCC1 og O1CCOCC1. Med en anden cyklus vil etiketten være 2 ( naphthalen : c1cccc2c1cccc2 ); ud over 9, er det nødvendigt at tilføje tegnet '%' foran etiketten, for at skelne den fra to forskellige etiketter knyttet til det samme atom (~C12~ vil betyde, at carbonatomet bærer ringsluttende bindinger 1 og 2 , selvom ~C%12~ vil angive et enkelt tag, 12). Dobbelt- og tredobbeltbindinger kan repræsenteres ved henholdsvis symbolerne '=' og '#', som illustreret ved kæden SMILES O=C=O ( carbondioxid ) og C#N ( hydrogencyanid ).

Aromaticitet

Aromatiske atomer C, O, S og N er repræsenteret med deres små bogstaver 'c', 'o', 's' og 'n' henholdsvis. Benzen , pyridin og furan kan repræsenteres af SMILES-kæderne henholdsvis c1ccccc1 , n1ccccc1 og o1cccc1. Bindinger mellem aromatiske atomer er som standard aromatiske, selvom de kan gøres eksplicitte ved at bruge symbolet ':'. Aromatiske atomer kan være enkeltbundet til hinanden, så biphenyl kan være repræsenteret ved c1ccccc1-c2ccccc2. Det aromatiske nitrogenatom bundet til hydrogen, som findes i pyrrol , skal præsenteres ved [nH], og imidazol skrives med SMILES-notationen n1c[nH]cc1.

Dagslys- og OpenEye - algoritmerne til at generere kanoniske SMILES-strenge adskiller sig i deres behandling af aromaticitet.

Image
Visualisering af 3-cyanoanisol som COc(c1)cccc1C#N.

Filialer

Grene er beskrevet med parenteser, som i CCC(=O)O for propionsyre og C(F)(F)F for fluoroform . Substituerede ringe kan skrives med forgreningspunktet på ringen, som illustreret af SMILES-strengene COc(c1)cccc1C#N ( se repræsentation ) og COc(cc1)ccc1C#N ( se repræsentation ), som koder for 3-cyanoanisolen og 4-cyanoanisol isomerer. At skrive SMILES-strenge for erstattede ringe på denne måde kan gøre dem mere læsbare.

Stereokemi

Konfigurationen af ​​de dobbelte links er specificeret ved hjælp af tegnene "/" og "\". For eksempel er F/C=C/F ( se repræsentation ) en repræsentation af E - difluorethen , hvor fluoratomerne er på modsatte sider af dobbeltbindingen, mens F/C=C\F ( se repræsentation ) er en mulig repræsentation for Z -difluorethen , hvor fluoratomerne er på samme side af dobbeltbindingen, som vist på figuren.

Konfigurationen af ​​det tetraedriske carbonatom er specificeret ved @ eller @@. L-alanin, den mest almindelige enantiomer af aminosyren alanin , kan skrives som N[C@H](C)C(=O)O ( se repræsentation ). @@ angiver, at set fra nitrogenatomet langs bindingen til det chirale centrum, vises sekvensen af ​​hydrogen (H), methyl (C) og carboxylat (C(=O)O) substituenter med uret. D-alanin kan skrives som N[C@H](C)C(=O)O ( se repræsentation ). Rækkefølgen af ​​substituenterne på SMILES-kæden er meget vigtig, og D-alanin kan kodes som N[C@H](C(=O)O)C ( se repræsentation ).

Isotoper

Isotoper er angivet med et tal, der er lig med massetallet af isotopen foran symbolet for atomer. Benzen , hvor et carbonatom er erstattet af carbon-14 , skrives som [14c]1ccccc1, og deuteriochloroform er [2H]C(Cl)(Cl)Cl.

Ansøgning

Molekyle Struktur SMILES kæde
Dinitrogen N≡N N#N
Methylisocyanat (MIC) CH3 - N=C=O C-N=C=O
Kobbersulfat (II) Cu 2+ SO4 2- [Cu+2].[O-]S(=O)(=O)[O-]
Enantotoksin ( C17H22O2 ) _ _ _ _ Molekylær struktur af Enantotoxin CCC[C@@H](O)CC\C=C\C=C\C#CC#C\C=C\CO
Pyrethrin II ( C21H28O5 ) _ _ _ Molekylær struktur af Pyrethrin II COC(=O)C(\C)=C\C1C(C)(C)[C@H]1C(=O)O[C@@H]2C(C)=C(C(=O)C2 )CC=CC=C
Aflatoksin B1 ( C17H12O6 ) _ _ _ Molekylær struktur af aflatoksin B1 O1C=C[C@H]([C@H]1O2)c3c2cc(OC)c4c3OC(=O)C5=C4CCC(=O)5
Glucose (glucopyranose) (C 6 H 12 O 6 ) Molekylær struktur af glucopyranose OC[C@H](O1)[C@H](O)[C@H](O)[C@H](O)[C@H](O)1
Cuscutin aka Bergenin (harpiks) (C 14 H 16 O 9 ) Molekylær struktur af cuscutin (bergenin) OC[C@H](O1)[C@H](O)[C@H](O)[C@@H]2[C@H]1c3c(O)c(OC)c( O)cc3C(=O)02
En feromon fra den californiske melbug (3Z,6R)-3-methyl-6-(prop-1-en-2-yl)deca-3,9-dien-1-ylacetat CC(=O)OCCC(/C)=C\C[C@H](C(C)=C)CCC=C
2S,5R- Chalcogran : feromon fra boreren Pityogenes chalcographus [ 1 ] (2S,5R)-2-ethyl-1,6-dioxaspiro[4.4]nonan CC[C@H](O1)CC[C@@]12CCCO2
Vanillin Molekylær struktur af vanillin O=Cc1ccc(O)c(OC)c1
Melatonin ( C13H16N2O2 ) _ _ _ _ _ _ Molekylær struktur af melatonin CC(=O)NCCC1=CNc2c1cc(OC)cc2
Flavopereirin ( C17H15N2 ) _ _ _ _ Molekylær struktur af flavopereirin Ccc(c1)ccc2[n+]1ccc3c2Nc4c3cccc4
Nikotin ( C10H14N2 ) _ _ _ _ Molekylær struktur af nikotin CN1CCC[C@H]1c2cccnc2
a - thujon ( C10H16O ) Molekylær struktur af thujon CC(C)[C@@]12C[C@@H]1[C@@H](C)C(=O)C2
Thiamin ( C12H17N4OS + ) ( vitamin B1 ) _ _
 Molekylær struktur af thiamin OCCc1c(C)[n+](=cs1)Cc2cnc(C)nc(N)2

Illustration med et molekyle med mere end 9 cyklusser, Cephalostatin -1 [ 2 ]​ (steroidmolekyle med empirisk formel C 54 H 74 N 2 O 10 produceret af en marineorm fra Hydrophiloidea -familien , Cephalodiscus gilchristi ):

Molekylær struktur af cephalostatin-1

Vil give, startende fra det methylradikal længst til venstre i figuren:

C[C@@](C)(O1)C[C@@H](O)[C@@]1(O2)[C@@H](C)[C@@H]3CC=C4[ C@]3(C2)C(=O)C[C@H]5[C@H]4CC[C@@H](C6)[C@]5(C)Cc(n7)c6nc(C[ C@@]89(C))c7C[C@@H]8CC[C@@H]%10[C@@H]9C[C@@H](O)[C@@]%11(C )C%10=C[C@H](O%12)[C@]%11(O)[C@H](C)[C@]%12(O%13)[C@H]( O)C[C@]%13(C)CO

(Bemærk '%' foran indekset for de afsluttende ringmærker højere end 9, se afsnittet "Links", højere).

Andre eksempler på SMILES

SMILES-notation er udførligt beskrevet i SMILES-teorimanualen leveret af Daylight Chemical Information Systems , og en række illustrative eksempler er til stede. Daylight 's afbildningsværktøj giver brugerne mulighed for at kontrollere deres egne eksempler på SMILES og er et værdifuldt uddannelsesværktøj.

Udvidelser

SMARTS er en lineær notation til specifikation af substrukturelle skemaer i molekyler. Selvom det gør brug af mange af SMILES-symbolerne, tillader det også specifikation af joker- atomer og -bindinger , som kan bruges til at definere substrukturelle forespørgsler til søgning i en kemisk database . En almindelig misforståelse er, at SMARTS-baseret substrukturel søgning involverer sammenligning af SMILES og SMARTS strenge. Faktisk konverteres både SMILES- og SMARTS-strengene først til interne grafiske repræsentationer, som der søges efter ved subgrafisk isomorfi . SMIRKS er en lineær notation til at specificere transformationer i en reaktion.

Konvertering

SMILES-strenge kan konverteres til todimensionelle repræsentationer ved hjælp af strukturdiagramgenereringsalgoritmer (Helson, 1999). Denne konvertering er ikke altid entydig. Konvertering til tredimensionelle repræsentationer opnås ved energiminimeringstilnærmelser. Der er mange web-baserede konverteringsværktøjer, der kan downloades.

Se også

  • Smil vilkårlig målspecifikation SMARTS-sprog til angivelse af substrukturelle forespørgsler.
  • SYBYL (en anden lineær notation)
  • Molecular Query Language - forespørgselssprog, der også giver dig mulighed for at inkludere numeriske egenskaber, såsom fysisk-kemiske værdier eller afstande
  • Kemiudviklingssæt (konvertering og todimensionel gengivelse)
  • International Chemical Identifier (InChI), det gratis og åbne alternativ til SMILES fra IUPAC .
  • OpenBabel , JOELib , OELib (konvertering)

Referencer

  • Anderson, E.; Veith, GD; Weininger, D. (1987) SMILES: En linjenotation og computeriseret fortolker til kemiske strukturer. Rapport nr. EPA/600/M-87/021. US EPA, Environmental Research Laboratory-Duluth, Duluth, MN 55804
  • Weininger, D. (1988), SMILES, et kemisk sprog- og informationssystem. 1. Introduktion til metodologi og kodningsregler, J. Chem. Inf. Comput. Sci. 28 , 31-36.
  • Weininger, D.; Weininger, A.; Weininger, JL (1989) SMIL. 2. Algoritme til generering af unik SMILES notation J. Chem. Inf. Comput. Sci. 29 , 97-101.
  • Helson, HE (1999) Structure Diagram Generation In Rev. Comput. Chem. redigeret af Lipkowitz, KB og Boyd, DB Wiley-VCH, New York, side 313-398.
  1. ↑ ISOLERING AF FEROMONSYNERGISTER AF BARKEBILE, Pityogenes chalcographus, FRA KOMPLEKSE INSEKT-PLANTE-LUGT VED FRAKTIONERING OG SUBTRAKTIV-KOMBINATION BIOASSAY
  2. ↑ PubChem-forbindelse CID=183413 (Cephalostatin-1)

Eksterne links

Specifikationer

SMILES-relaterede softwareværktøjer

Hentet fra « https://es.wikipedia.org/w/index.php?title=SMILES&oldid=141960499 »