Формат химического файла

Формат химического файла — это тип файла данных, который используется специально для изображения молекулярных данных. Одним из наиболее широко используемых является формат файлов химических таблиц , который аналогичен файлам формата структурных данных (SDF) . Это текстовые файлы, которые представляют собой несколько записей химической структуры и связанных с ними полей данных. Формат файла XYZ — это простой формат, который обычно указывает количество атомов в первой строке, комментарий ко второй, за которым следует ряд строк с атомными символами (или атомными номерами) и декартовыми координатами. Формат банка данных белков обычно используется для белков, но также используется и для других типов молекул. Есть много других типов, которые подробно описаны ниже. Доступны различные программные системы для преобразования из одного формата в другой.

Различение форматов

Химическая информация обычно предоставляется в виде файлов или потоков , и было создано множество форматов с различной степенью документирования. Формат указывается тремя способами:
(см . § Проект химического MIME )

расширение файла (обычно 3 буквы). Он широко используется, но ненадежен, так как распространенные суффиксы, такие как .mol и .dat используются многими системами, в том числе нехимическими.
файлы с самоописанием , в которых информация о формате включена в файл. Примерами являются CIF и CML.
Химический/MIME-тип, добавленный химически осведомленным сервером.

Химический язык разметки

Язык химической разметки (CML) — это открытый стандарт для представления молекулярных и других химических данных. Проект с открытым исходным кодом включает XML-схему, исходный код для анализа и работы с данными CML, а также активное сообщество. В статьях Инструменты для работы с языком химической разметки и XML для химии и биологических наук ХМЛ обсуждается более подробно. Файлы данных CML принимаются многими инструментами, включая JChemPaint , Jmol , XDrawChem и MarvinView.

Формат банка данных белков

Формат банка данных белков — это устаревший формат белковых структур, разработанный в 1972 году. ^{[ 1 ]} Это формат фиксированной ширины , поэтому он ограничен максимальным количеством атомов, остатков и цепей; это привело к разделению очень больших структур, таких как рибосомы, на несколько файлов. Например, в 2009 году E. coli 70S была представлена в виде 4 файлов PDB: 3I1M, заархивировано 5 октября 2016 г. на Wayback Machine , 3I1N, заархивировано 16 октября 2016 г. на Wayback Machine , 3I1O и 3I1P. В 2014 году они были объединены в один файл 4V6C . В 2014 году формат PDB был официально заменен на mmCIF, и в новых структурах PDB файлы PDB могут отсутствовать.

Некоторые файлы PDB содержали дополнительный раздел, описывающий соединение атомов, а также их положение. Поскольку эти файлы иногда использовались для описания макромолекулярных ансамблей или молекул, представленных в явном растворителе , они могли вырасти очень большими и часто сжимались. Некоторые инструменты, такие как Jmol и KiNG, ^{[ 2 ]} мог читать файлы PDB в формате gzip. wwPDB поддерживает спецификации формата файла PDB и его альтернативы XML, PDBML. В августе 2007 года произошли довольно серьезные изменения в спецификации формата PDB (до версии 3.0), а также были устранены многие проблемы с файлами в существующей базе данных. ^{[ 3 ]} Типичное расширение файла PDB было .pdb, хотя некоторые старые файлы использовались .ent или .brk. Некоторые инструменты молекулярного моделирования создавали нестандартные файлы в стиле PDB, которые адаптировали базовый формат к своим потребностям.

формат ГРОМАКС

Семейство форматов файлов GROMACS было создано для использования с пакетом программного обеспечения для молекулярного моделирования GROMACS . Он очень похож на формат PDB, но был разработан для хранения результатов моделирования молекулярной динамики , поэтому обеспечивает дополнительную числовую точность и при необходимости сохраняет информацию о скорости частиц , а также о положении в заданной точке траектории моделирования. Он не позволяет хранить информацию о связях, которая в GROMACS получается из отдельных файлов топологии молекул и системы. Типичное расширение файла GROMACS — .gro.

Формат ШАРМ

Пакет CHARMM молекулярной динамики ^{[ 4 ]} может читать и записывать ряд стандартных химических и биохимических форматов файлов; однако CARD (координата) и PSF ( файл структуры белка ) во многом уникальны для CHARMM. Формат CARD имеет фиксированную ширину столбцов, похож на формат PDB и используется исключительно для хранения атомарных координат. Файл PSF содержит информацию об атомных связях (которая описывает атомные связи) и необходим перед началом моделирования. Типичные используемые расширения файлов: .crd и .psf соответственно.

формат GSD

Формат файла General Simulation Data (GSD), созданный для эффективного чтения/записи типовых моделей частиц, в первую очередь, но не ограничиваясь ими, из HOOMD-blue . Пакет также содержит модуль Python, который читает и записывает файлы gsd схемы HOOMD с простым в использовании синтаксисом. [1]

Гемический формат файла

Программное обеспечение Ghemical может использовать OpenBabel для импорта и экспорта файлов различных форматов. Однако по умолчанию используется формат GPR. Этот файл состоит из нескольких частей, разделенных тегом ( !Header, !Info, !Atoms, !Bonds, !Coord, !PartialCharges и !End).

Предлагаемый тип MIME для этого формата — application/x-ghhemical .

Обозначение строки SYBYL

SYBYL Line Notation (SLN) — это химическая линия обозначения . Основанный на SMILES, он включает в себя полный синтаксис для определения относительной стереохимии. SLN имеет богатый синтаксис запросов, который позволяет специфицировать запросы структуры Маркуша . Синтаксис также поддерживает спецификацию комбинаторных библиотек ChemDraw.

Примеры SLN
Описание	строка SLN
Бензол	`C[1]H:CH:CH:CH:CH:CH:@1`
Аланин	`NH2C[s=n]H(CH3)C(=O)OH`
Запрос, показывающий сайдчейн R	`R1[hac>1]C[1]:C:C:C:C:C:@1`
Запрос на амид/сульфамид	`NHC=M1{M1:O,S}`

УЛЫБКИ

Упрощенная система ввода строк молекулярного ввода , или УЛЫБКИ, ^{[ 5 ]} — строковое обозначение молекул. Строки SMILES включают связность, но не включают 2D- или 3D-координаты.

Атомы водорода не представлены. Другие атомы представлены символами своих элементов. B, C, N, O, F, P, S, Cl, Br, и I. Символ = представляет собой двойные связи и # представляет собой тройную связь. Ветвление обозначается ( ). Кольца обозначаются парами цифр.

Некоторые примеры:

Имя	Формула	строка УЛЫБКИ
Метан	СН ₄	`C`
Этанол	С ₂ Н ₆ О	`CCO`
Бензол	С ₆ Ч ₆	`C1=CC=CC=C1` или `c1ccccc1`
Этилен	С ₂ Ч ₄	`C=C`

XYZ

Формат файла XYZ — это простой формат, который обычно указывает количество атомов в первой строке, комментарий ко второй, за которым следует ряд строк с атомными символами (или атомными номерами) и декартовыми координатами.

номер лея

Номер MDL содержит уникальный идентификационный номер для каждой реакции и варианта. Формат: RXXXnnnnnnnn. R указывает реакцию, XXX указывает, какая база данных содержит запись реакции. Числовая часть, nnnnnnnn, представляет собой 8-значное число.

Другие распространенные форматы

Одним из наиболее широко используемых отраслевых стандартов являются файлов химических таблиц форматы , такие как файлы формата структурных данных (SDF). Это текстовые файлы, которые придерживаются строгого формата для представления нескольких записей химической структуры и связанных с ними полей данных. Формат был первоначально разработан и опубликован компанией Molecular Design Limited (MDL). MOL — еще один формат файлов MDL. Это описано в Главе 4 Форматов CTfile . ^{[ 6 ]}

PubChem также имеет форматы файлов XML и ASN1, которые являются вариантами экспорта из онлайн-базы данных PubChem. Оба они основаны на тексте (ASN1 чаще всего представляет собой двоичный формат).

В таблице ниже указано большое количество других форматов.

Преобразование между форматами

OpenBabel и JOELib — это свободно доступные инструменты с открытым исходным кодом, специально разработанные для преобразования между форматами файлов. Их химические экспертные системы поддерживают большие таблицы преобразования типов атомов.

obabel -i input_format input_file -o output_format output_file

Например, чтобы преобразовать файл эпинефрин.sdf из SDF в CML, используйте команду

obabel -i sdf epinephrine.sdf -o cml epinephrine.cml

Полученный файл — эпинефрин.cml.

IOData — это бесплатная библиотека Python с открытым исходным кодом для анализа, хранения и преобразования различных форматов файлов, обычно используемых в программах квантовой химии, молекулярной динамики и программ по теории функционала плотности плоских волн. Он также поддерживает гибкую структуру для создания входных файлов для различных пакетов программного обеспечения. Полный список поддерживаемых форматов можно найти по адресу https://iodata.readthedocs.io/en/latest/formats.html .

Ряд инструментов, предназначенных для просмотра и редактирования молекулярных структур, способны читать файлы в различных форматах и записывать их в других форматах. Инструменты JChemPaint (на основе Chemistry Development Kit ), XDrawChem (на основе OpenBabel ), Chime , Jmol , Mol2mol. ^{[ 7 ]}^{[ нужна ссылка ]} и Discovery Studio подходят под эту категорию.

Химический проект MIME

«Химический MIME» — это фактический подход для добавления типов MIME к химическим потокам.

Этот проект начался в январе 1994 года и впервые был анонсирован на семинаре по химии на Первой Международной конференции WWW, состоявшейся в ЦЕРН в мае 1994 года. ... Первая версия интернет-проекта была опубликована в мае – октябре 1994 года, а вторая пересмотренная версия в апреле – сентябре 1995 г. Документ, представленный CPEP (Комитет по печатным и электронным публикациям) на заседании IUPAC в августе 1996 г. доступен для обсуждения. ^{[ 8 ]}

В 1998 году работа была официально опубликована в JCIM . ^{[ 9 ]}

Расширение файла	MIME -тип	Имя собственное	Описание
`.alc`	химическая/х-алхимия	Алхимический формат
`.csf`	химикат/x-cache-csf	КЭШ МолСтрукт CSF
`.cbin`, `.cascii`, `.ctab`	химический/x-cactvs-бинарный	Формат CACTVS
`.cdx`	химическое вещество/x-cdx	Файл обмена ChemDraw
`.cer`	химическое вещество/х-церий	Формат MSI Cerius II
`.c3d`	химическая / x-chem3d	Формат Chem3D
`.chm`	химикат/x-chemdraw	Файл ChemDraw
`.cif`	химикат/x-cif	Файл кристаллографической информации , Структура кристаллографической информации	Обнародовано Международным союзом кристаллографии.
`.cmdf`	химикат/x-cmdf	Формат данных CrystalMaker
`.cml`	химическое/х-смл	Химический язык разметки	XML на основе Язык химической разметки .
`.cpa`	химический/х-компас	Программа «Компас» Такахаши
`.bsd`	химическое/х-перекрестное пламя	Файл перекрестного огня
`.csm`, `.csml`	химикат/x-csml	Язык разметки химического стиля
`.ctx`	химическое вещество/x-ctx	Формат файла CTX группы Gasteiger
`.cxf`, `.cef`	химическая / x-cxf	Формат химического обмена
`.emb`, `.embl`	химическое вещество/x-embl-dl-нуклеотид	Формат нуклеотидов EMBL
`.spc`	химический / x-galactic-spc	Формат SPC для спектральных и хроматографических данных
`.inp`, `.gam`, `.gamin`	химический/x-gamess-вход	ИГРЫ Формат ввода
`.fch`, `.fchk`	химическая/x-гауссовая контрольная точка	Гауссов формат контрольной точки
`.cub`	химический/x-гауссов куб	Формат гауссова куба (волновая функция)
`.gau`, `.gjc`, `.gjf`, `.com`	химический/x-гауссовский вход	Гауссов формат ввода
`.gcg`	химическая/x-gcg8-последовательность	Формат белковой последовательности
`.gen`	химический/х-генбанк	Формат ToGenBank
`.istr`, `.ist`	химический/x-изостар	Библиотека межмолекулярных взаимодействий IsoStar
`.jdx`, `.dx`	химическая / x-jcamp-dx	JCAMP Формат обмена спектроскопическими данными
`.kin`	химическое/x-кинемаж	Кинетические изображения (структуры белка); Кинемаг
`.mcm`	химическая/х-макмолекула	Формат файла MacMolecule
`.mmd`, `.mmod`	химический/x-макромодель-вход	Макромодель Молекулярная механика
`.mol`	химикат/x-mdl-molfile	MDL Молфиле
`.smiles`, `.smi`	химикат/x-дневной свет-улыбки	Упрощенная спецификация ввода строки молекулярного ввода	Линейное обозначение молекул.
`.sdf`	химикат/x-mdl-sdfile	Файл структуры-данных
`.el`	химикат/х-эскиз	ЭскизЭль Молекула
`.ds`	химическое вещество/x-техническое описание	XML-таблица данных SketchEl
`.inchi`	химическая / х-инчи	ИЮПАК Международный химический идентификатор (ИнХИ)
`.jsd`, `.jsdraw`	химическое вещество/x-jsdraw	Собственный формат файла JSDraw
`.helm`, `.ihelm`	химикат/x-шлем	Pistoia Alliance HELM Веревка	Линейное обозначение биологических молекул
`.xhelm`	химикат/x-xhelm	XML-файл Pistoia Alliance XHELM	XML, на основе HELM включая определения мономеров

Поддерживать

Для Linux/Unix файлы конфигурации доступны в виде пакета « chemical-mime-data » в форматах .deb , RPM и tar.gz для регистрации химических типов MIME на веб-сервере. ^{[ 10 ]}^{[ 11 ]} Затем программы могут зарегистрироваться в качестве средства просмотра, редактора или обработчика этих форматов, чтобы обеспечить полную поддержку химических типов MIME.

Источники химических данных

Вот краткий список источников свободно доступных молекулярных данных. В Интернете существует гораздо больше ресурсов, чем перечислено здесь. Ссылки на эти источники приведены в ссылках ниже.

США Национального института здравоохранения База данных PubChem является огромным источником химических данных. Все данные представлены в двух измерениях. Данные включают форматы SDF, SMILES, PubChem XML и PubChem ASN1.
Всемирный банк данных о белках ( wwPDB ) ^{[ 12 ]} является отличным источником данных о молекулярных координатах белков и нуклеиновых кислот. Данные трехмерны и представлены в формате Protein Data Bank (PDB).
eMolecules — коммерческая база данных молекулярных данных. Данные включают в себя двумерную структурную диаграмму и строку смайлов для каждого соединения. eMolecules поддерживает быстрый поиск подструктур на основе частей молекулярной структуры.
ChemExper — это коммерческая база данных молекулярных данных. Результаты поиска включают двумерную структурную диаграмму и файл кротов для многих соединений.
Нью-Йоркского университета Библиотека трехмерных молекулярных структур .
Сеть баз данных о токсичности с возможностью поиска по распределенной структуре (DSSTox) Агентства по охране окружающей среды США является проектом Программы вычислительной токсикологии Агентства по охране окружающей среды. База данных содержит молекулярные файлы SDF с акцентом на канцерогенные и другие токсичные вещества.

См. также

Ссылки

^ wwwPDB.org. «wwPDB: Формат файла» . www.wwpdb.org . Проверено 13 июня 2024 г.
^ Чен, В.Б.; и др. (2009). «KING (Kinemage, Next Generation): универсальная интерактивная программа молекулярной и научной визуализации» . Белковая наука . 18 (11): 2403–2409. дои : 10.1002/pro.250 . ПМК 2788294 . ПМИД 19768809 .
^ Хенрик, К.; и др. (2008). «Исправление архива банка данных белков» . Исследования нуклеиновых кислот . 36 (Проблема с базой данных): D426–D433. дои : 10.1093/nar/gkm937 . ПМК 2238854 . ПМИД 18073189 .
^ Брукс, Б.М.; и др. (1983). «CHARMM: программа для расчета энергии, минимизации и динамики макромолекул». Дж. Компьютер. Хим . 4 (2): 187–217. дои : 10.1002/jcc.540040211 . S2CID 91559650 .
^ Вайнингер, Дэвид (1988). «SMILES, химический язык и информационная система: 1: Введение в методологию и правила кодирования». Журнал химической информации и моделирования . 28 (1): 31–36. дои : 10.1021/ci00057a005 . S2CID 5445756 .
^ Информационные системы MDL 2005
^ Домашняя страница Mol2mol
^ Домашняя страница Chemical MIME (по состоянию на 24 января 2013 г.)
^ Рзепа, ХС; Мюррей-Раст, П.; Уитакер, Би Джей (1998). «Применение интернет-стандартов химических многоцелевых расширений Интернет-почты (Chemical MIME) к электронной почте и обмену информацией во Всемирной паутине». Журнал химической информации и моделирования . 38 (6): 976. doi : 10.1021/ci9803233 .
^ «Результаты поиска пакета для «chemical-mime» | Debian» .
^ «Зачем использовать SourceForge? Возможности и преимущества» .
^ Берман, HM; и др. (2003). «Объявление о создании всемирного банка данных о белках» . Структурная биология природы . 10 (12): 980. дои : 10.1038/nsb1203-980 . ПМИД 14634627 .

Внешние ссылки

MDL Information Systems (июнь 2005 г.), CTFile Formats (PDF) , Сан-Леандро, Калифорния, США: MDL Information Systems , заархивировано из оригинала (PDF) 30 июня 2007 г.
«Разрешить идентификатор структуры как SDF, CML, MRV, PDB» . НЦИ . NIH : Хемоинформатические инструменты и пользовательские службы группы CADD (CACTUS). Июль 2009 года.

[1] wwwPDB.org. «wwPDB: Формат файла» . www.wwpdb.org . Проверено 13 июня 2024 г.

[2] Чен, В.Б.; и др. (2009). «KING (Kinemage, Next Generation): универсальная интерактивная программа молекулярной и научной визуализации» . Белковая наука . 18 (11): 2403–2409. дои : 10.1002/pro.250 . ПМК 2788294 . ПМИД 19768809 .

[3] Хенрик, К.; и др. (2008). «Исправление архива банка данных белков» . Исследования нуклеиновых кислот . 36 (Проблема с базой данных): D426–D433. дои : 10.1093/nar/gkm937 . ПМК 2238854 . ПМИД 18073189 .

[4] Брукс, Б.М.; и др. (1983). «CHARMM: программа для расчета энергии, минимизации и динамики макромолекул». Дж. Компьютер. Хим . 4 (2): 187–217. дои : 10.1002/jcc.540040211 . S2CID 91559650 .

[5] Вайнингер, Дэвид (1988). «SMILES, химический язык и информационная система: 1: Введение в методологию и правила кодирования». Журнал химической информации и моделирования . 28 (1): 31–36. дои : 10.1021/ci00057a005 . S2CID 5445756 .

[6] Информационные системы MDL 2005

[7] Домашняя страница Mol2mol

[8] Домашняя страница Chemical MIME (по состоянию на 24 января 2013 г.)

[9] Рзепа, ХС; Мюррей-Раст, П.; Уитакер, Би Джей (1998). «Применение интернет-стандартов химических многоцелевых расширений Интернет-почты (Chemical MIME) к электронной почте и обмену информацией во Всемирной паутине». Журнал химической информации и моделирования . 38 (6): 976. doi : 10.1021/ci9803233 .

[10] «Результаты поиска пакета для «chemical-mime» | Debian» .

[11] «Зачем использовать SourceForge? Возможности и преимущества» .

[12] Берман, HM; и др. (2003). «Объявление о создании всемирного банка данных о белках» . Структурная биология природы . 10 (12): 980. дои : 10.1038/nsb1203-980 . ПМИД 14634627 .

[ 1 ]

[ 2 ]

[ 3 ]

[ 4 ]

[ 5 ]

[ 6 ]

[ 7 ]

[ 8 ]

[ 9 ]

[ 10 ]

[ 11 ]

[ 12 ]