化学数据库

✍ dations ◷ 2025-10-22 07:38:16 #计算化学,化学信息学

化学数据库是为记录化学信息而专门设计的数据库。这些信息包括了物质的分子结构、晶体结构、谱学信息、相关反应与合成方法,以及化学热力学性质数据等。

一般来说,用二维键线式来描述分子结构,对大多数小分子而言是较为常见的方法。尽管这种表述方法对化学家们来说简单明了,却不适合于在数据库中的存储和搜索算法的编写。因此在数据库中小分子(在药物设计领域也常称为配体)通常以将分子中的原子及其键连列表的方式描述,而大分子如蛋白质等,则常用氨基酸组装单元序列等更紧凑的方式表示。

化学文献数据库的目的是将化学物质与相关文献——如科学论文或专利——关联起来。此类数据库的典型代表如化学文摘社的STN和SciFinder。许多专注于物质表征的数据库都提供了文献链接。

晶体学数据库主要提供物质的X射线衍射数据。这些数据反映了物质的结构信息。最典型的代表是蛋白质资料库和剑桥晶体学数据库。

核磁共振谱数据库提供物质的核磁共振波谱信息。这类数据库一般也提供物质的其他谱学信息,如傅立叶变换红外吸收光谱和质谱等。

大多数数据库所记录的都是稳态分子的信息,但也有一些反应数据库,着重记录反应中瞬间产生的亚稳态分子或中间体。这类反应数据库一般还会提供反应前驱物、产物和反应机理的信息。

热物理学性质包括以下方面:

在数字化的化学数据库中,分子结构一般有两种表示方法,包括:

化学研究者在搜索某一物质时,可以不必输入整个分子式,而只搜索其结构的一部分,或其IUPAC命名法名称的一部分。这种亚结构搜索功能,正是化学数据库与一般数据库最大的区别之一。这种搜索是基于子图同构问题实现的,而这一问题也在图论中被广泛研究。一般来说这类搜索具有O (3)或O (4)的时间复杂性,其中n是涉及原子的数目。

在一定的空间限制条件下,搜索物质特定的三维构象,也是化学数据库常需要实现的功能之一(尤其是在药物设计领域)。这样的搜索相当消耗资源,因而人们也设计了多种近似方法来加以解决。

分子的所有性质都可以拆分为具体的物理/化学性质或药学性质,这些性质被称作描述单元。最重要的描述单元当然是化合物名,在这方面,多年来已发展起多种接近标准化的命名方法,从而得以减少含义不清的命名或一物多名现象。其中,IUPAC名是一个很好的选择,不仅对人而言直接可读,从计算机角度也提供了独一无二的字符串。不过,对大分子而言,IUPAC名就显得过分冗长了。至于化合物的俗名,则难免受到数词同音或数词同义的干扰,不适合作为搜索关键词。另一方面,分子的物理/化学描述单元,诸如分子量、(部分)电荷、溶解度等等,几乎可以直接从分子结构计算出来,而药学描述单元则一般能从多元统计分析或实验(药物筛选、生物检定法等)结果中获得。所有这些描述单元都和分子的表达式被储存在一起。

对于化学相似性,并没有统一的定义。不过,仍然可以将化学相似性从应用角度进行定义,比如描述为两种分子在描述单元空间上距离的倒数。例如,如果两种分子的分子量差距(比之其他分子对)较小,那么就可以认为这两种分子较为相似。多种衡量方式可以组合起来,产生多变量的距离度量。根据三角不等式的成立与否,距离度量还可以分为欧几里得度量和非欧几里得度量。通过进行最大共同子图同构问题(MCS)基础上的亚结构搜索 ,来进行距离度量和化学相似性评估的方法也很常见。MCS也被用于药物筛选,即尝试与现有药物具有共同亚结构的不同分子 。

数据库中的化学品根据其相似性被归入不同的群组中,对于属性繁多的化学品,既可采用分级分类方法,又可采用不分级的分类方法。而这些化学品的性质则可能通过经验或计算机计算得到。最为广泛应用的分类方法是Jarvis-Patrick算法。

另外,在面向药学应用的化学数据库中,相似性通常被定义为化合物的生物效应。后者通常可以由分子的物理/化学性质,应用定量构效关系半自动地得到。

记录化合物独特性信息的数据库被称为化学品登录系统。这类系统通常被用于化合物的索引化,专利注册以及工业数据库中。物质登录系统一般对化合物在数据库中的唯一表达有强制性要求。一般来说,这样的唯一表达是所谓的“正则”字符串,例如“正则SMILES”。有些化学品登录系统,如CAS则利用计算哈希的方法达到相同的目的。化学品登录系统与一般化学数据库的关键区别在于,前者能够准确地区分一种物质究竟是已知,未知抑或部分已知。譬如说,一般的化学数据库中可能记录了一个分子,但其立体化学信息则付诸阙如,而在化学品登录系统中,登录者将会被要求提供关于分子构象的准确信息——构象已知或未知,是否是混合物乃至外消旋体,等。每一种不同的情形在化学品登录系统中都作为一个单独的记录。化学品登录系统也对分子信息进行一些前处理,避免不重要的差别(如不同的卤离子)产生影响。这类系统的一个典型例子是化学文摘注册系统。参见CAS号。

相关

  • isomer同分异构体又称同分异构物(英语:Isomer)。同分异构物指的是拥有相同分子式,但结构式却不相同的多种分子。同分异构物之间并不拥有相同的化学性质,除非它们拥有相同的官能团(functi
  • 中国南极昆仑站中国南极昆仑站,简称昆仑站,是中国极地研究中心在南极建立的第三个科学考察站,名称公布于2008年10月18日,位于南极大陆内部冰穹A最高点西南方向约7.3公里处,海拔4087米,是中国第一
  • 1800年前1800年至前1701年的这一段期间被称为前18世纪。
  • 罗氏药厂罗氏(德语:F. Hoffmann-La Roche AG,简称Roche),总部位于瑞士巴塞尔的跨国医药研发生产商。它始创于1896年,现属于罗氏控股股份有限公司。罗氏于2009年3月26日以大约468亿美元完成
  • 小丛壳科小丛壳科(Glomerellaceae)是粪壳菌纲下的一个科,属于子囊菌门真菌,是一种植物病原体。小丛壳科的名称首次在2007年建议。小丛壳科一共下属六个属:Locq. ex Seifert & W. Gams, in
  • 坚石蛤属坚石蛤属(学名:)是帘蛤目尖峰蛤科之下的一个属。截至2019 年1月24日 (2019 -01-24),WoRMS纪录本属有物种6个:
  • 炎生龙属炎生龙属 ( 学名 : ,意为“从火中诞生的蜥蜴”) 又译阿拉塔龙,是基础兽脚亚目虚骨龙类的一个单型属,只包括一个物种,国家博物馆炎生龙 ( ),化石发现于巴西罗穆阿尔多组(英语:Romu
  • 基于对象语言基于对象语言(英语:object-based language),常指某种编程语言使用了“对象”该概念,即将状态和操作封装(包裹)在“对象”里面。面向对象语言 除了拥有“对象”该概念以外,还拥有继承
  • 玛格丽塔·嘉丝帕瑞安玛格丽塔·嘉丝帕瑞安(英语:Margarita Gasparyan,1994年9月1日-)是俄罗斯职业网球女运动员,2010年转职业。她的WTA生涯最高单打排名为第41(2016年3月21日)。
  • 丹尼尔·延森丹尼尔·延森(Daniel Jensen,1979年6月25日-)是一位丹麦的职业足球员。现效力于丹麦球会桑德捷斯基,司职中场。他代表丹麦国家足球队出场超过40次,并有3个进球。他是前国脚尼克拉