Representación Molecular y Descriptores

Las computadoras necesitan codificaciones de moléculas legibles por máquina; las notaciones de línea, los grafos químicos, las huellas dactilares y los descriptores numéricos traducen la estructura química a formas que pueden almacenarse, buscarse y modelarse.

Definition

Las codificaciones y características computadas que representan digitalmente la estructura molecular, que van desde cadenas canónicas y grafos hasta vectores de bits de huellas dactilares y descriptores numéricos.

Scope

Cubre la vista de grafo químico de las moléculas, notaciones de línea como SMILES e InChI, claves estructurales y huellas dactilares hash, y la amplia familia de descriptores moleculares que convierten la estructura en características numéricas para la similitud y el modelado predictivo.

Core questions

• ¿Cómo se representan las moléculas como grafos y como cadenas canónicas?
• ¿Cuál es la diferencia entre las claves estructurales, las huellas dactilares hash y los descriptores numéricos?
• ¿Cómo se genera un identificador único y canónico como InChI?
• ¿Cómo influye la elección de la representación en la búsqueda y el modelado posteriores?

Key theories

Grafo químico y notación de línea

Representar una molécula como un grafo etiquetado de átomos y enlaces, y serializarla en una notación de línea compacta como SMILES, proporciona la base para el almacenamiento, el intercambio y la canonización.

Codificación de descriptores y huellas dactilares

Transformar la estructura en descriptores numéricos de longitud fija o huellas dactilares binarias permite la comparación cuantitativa, la búsqueda de similitudes y los modelos de aprendizaje automático.

Clinical relevance

Las representaciones moleculares robustas son la base de cada flujo de trabajo de quimioinformática, desde la deduplicación y búsqueda en bases de datos hasta los modelos cuantitativos de estructura-actividad que guían el descubrimiento de fármacos y materiales.

History

Desde las primeras tablas de conexión y la canonización de Morgan, el campo obtuvo la notación SMILES en 1988 y, posteriormente, el estándar abierto InChI, junto con una proliferación de descriptores y huellas dactilares catalogados en obras de referencia.

Key figures

• David Weininger
• Roberto Todeschini
• Peter Willett
• Stephen Heller

Seminal works

• weininger1988
• todeschini2009

Frequently asked questions

¿Cuál es la diferencia entre SMILES e InChI?

SMILES es una notación de línea flexible y legible por humanos que puede tener múltiples formas válidas para una molécula, mientras que InChI es un identificador estandarizado y canónico diseñado para proporcionar una única cadena única por estructura.

¿Qué es una huella dactilar molecular?

Es un vector de bits que codifica la presencia de características o fragmentos estructurales, lo que permite comparaciones rápidas de similitud entre moléculas utilizando medidas simples basadas en conjuntos.