Hispanopedia Wiki
Articulo de referencia

Tabla química

El formato de tabla química (archivo CT) es una familia de formatos de archivo químico basados ​​en texto que describen moléculas y reacciones químicas. Un ejemplo de formato en...

Hispanopedia WikiContenido en espanolLectura gratuita

El formato de tabla química (archivo CT) es una familia de formatos de archivo químico basados ​​en texto que describen moléculas y reacciones químicas. Un ejemplo de formato enumera cada átomo de una molécula, sus coordenadas xyz y los enlaces entre ellos.

Los formatos fueron creados por MDL Information Systems (MDL), que fue adquirida por Symyx Technologies y luego se fusionó con Accelrys Corp., y ahora se llama BIOVIA, una subsidiaria de Dassault Systèmes del Grupo Dassault . [ 1 ]

El archivo CT es un formato abierto . BIOVIA publica su especificación. [ 2 ] BIOVIA requiere que los usuarios se registren para descargar las especificaciones del formato del archivo CT. [ 3 ]

Molfile

Un archivo MDL Molfile es un formato de archivo que contiene información sobre los átomos, los enlaces, la conectividad y las coordenadas de una molécula.

El archivo molfile consta de información de encabezado, la Tabla de Conexión (CT) que contiene información de los átomos, luego conexiones y tipos de enlaces, seguidos de secciones para información más compleja.

El formato molfile es lo suficientemente común como para que la mayoría, si no todos, los sistemas/aplicaciones de quimioinformática puedan leerlo, aunque no siempre con la misma precisión. También es compatible con algunos programas informáticos como Mathematica .

V2000

Actualmente, la versión estándar de facto es molfile V2000, aunque, más recientemente, el formato V3000 ha estado circulando lo suficiente como para presentar un posible problema de compatibilidad para aquellas aplicaciones que aún no son compatibles con V3000.

Especificación del bloque de línea de recuento

Bond block specification

The Bond Block is made up of bond lines, one line per bond, with the following format:

111 222 ttt sss xxx rrr ccc

where the values are described in the following table:

V3000

The extended (V3000) molfile consists of a regular molfile “no structure” followed by a single molfile appendix that contains the body of the connection table (Ctab). The following figure shows both an alanine structure and the extended molfile corresponding to it.

Note that the “no structure” is flagged with the “V3000” instead of the “V2000” version stamp. There are two other changes to the header in addition to the version:

  • The number of appendix lines is always written as 999, regardless of how many there actually are. (All current readers will disregard the count and stop at M END.)
  • The “dimensional code” is maintained more explicitly. Thus “3D” really means 3D, although “2D” will be interpreted as 3D if any non-zero Z-coordinates are found.

Unlike the V2000 molfile, the V3000 Rgroup molfile has the same header format as a non-Rgroup molfile. V3000 format can represent the following things that are out of reach for V2000:[4]

  • number of atoms or bonds exceeding 999
  • reactions with Rgroups
  • enhanced stereochemistry

Counts line

Se requiere una línea de recuentos, y debe ser la primera. Esta especifica el número de átomos, enlaces, objetos 3D y grupos S. También especifica si la bandera CHIRAL está activada o no. Opcionalmente, la línea de recuentos puede especificar molregno. Esto solo se utiliza cuando el regno supera 999999 (el límite del formato en la línea de encabezado del archivo mol). El formato de la línea de recuentos es:

SDF

El formato SDF (formato de datos de estructura, también conocido como "archivo SD") fue desarrollado por MDL para representar información estructural. Un archivo SDF consta de varios registros delimitados por una línea formada por cuatro signos de dólar ($$$$). Cada registro comienza como un archivo mol normal, pero incluye elementos de datos asociados después de la M ENDlínea.

El formato SDF se puede generar a partir de un archivo molfile V2000 o V3000. Por lo tanto, existen dos formatos distintos: SDF V2000 y SDF V3000.

Los elementos de datos asociados se indican de la siguiente manera:

> < Unique_ID> XCA3464366 > < ClogP> 5.825> < Proveedor > Sigma> < Peso molecular> 499,611

También se admiten datos de varias líneas. La especificación del formato MDL SDF exige la inserción de un carácter de retorno de carro si una sola línea de cualquier campo de texto supera los 200 caracteres. Este requisito se incumple con frecuencia en la práctica, ya que muchas cadenas SMILES e InChI exceden dicha longitud.

Otros formatos de la familia

Existen otros formatos de la familia, menos utilizados.

Archivo RXN ( .rxn )
Contiene un bloque REACTIVO, un bloque PRODUCTO y (opcionalmente) un bloque AGENTE. Los productos químicos mencionados pueden estar en un archivo molfile incrustado o en un registro. Se pueden incrustar varios archivos molfile. Tiene variantes V2000 y V3000 según la versión del archivo molfile incrustado. [ 4 ] [ 5 ]
Archivo RDF ( .rdf )
Una combinación de un archivo RXN con datos asociados de estilo SDF. Cada registro puede contener estructuras químicas, reacciones, datos textuales y tabulares. [ 5 ]
Archivo RG ( .rgf )
Una extensión de molfile de Chemaxon, que utiliza una reacción como estructura raíz. Puede utilizarse en el dialecto RXNFile de Marvin. [ 4 ]
Alternativamente descrito como: "para representar las estructuras de Markush (obsoleto, Molfile V3000 puede representar estructuras de Markush)"

También existen codificaciones alternativas derivadas de los formatos:

Versiones comprimidas
Chemaxon proporciona un compresor para estos formatos con las extensiones .csmol , .cssdf , .csrxn , .csrdf .
Es más común usar gzip en estos archivos de texto, lo que produce .mol.gz , .sdf.gz , .rxn.gz , .rdf.gz . [ 6 ]
Archivo XD ( .xdf )
Una versión XML obsoleta de los formatos anteriores de MDL y Accerlrys.

Véase también

Referencias

  1. ↑ Dalby, A.; Nourse, JG; Hounshell, WD; Gushurst, AKI; Grier, DL; Leland, BA; Laufer, J. (1992). "Descripción de varios formatos de archivo de estructura química utilizados por programas informáticos desarrollados en Molecular Design Limited". Journal of Chemical Information and Modeling . 32 (3): 244. doi : 10.1021/ci00007a012 .
  2. ↑ "Formatos de archivo CT" (PDF) . Biovia. Agosto de 2020. Archivado (PDF) del original el 19 de febrero de 2021. Consultado el 19 de febrero de 2021 .
  3. ↑ "Formulario de registro" . Biovia. 13 de agosto de 2020. Archivado del original el 1 de octubre de 2020. Consultado el 19 de febrero de 2021 .
  4. 1 2 3 "Formatos de archivos MDL MOLfiles, RGfiles, SDfiles, Rxnfiles, RDfiles | Documentación de Chemaxon" . docs.chemaxon.com .
  5. 1 2 "Formatos de archivo de tablas químicas | Base de conocimientos NFDI4Chem" . knowledgebase.nfdi4chem.de .
  6. ↑ "Lectura y escritura de moléculas: herramientas - documentación de cpp 2025.2.1" . docs.eyesopen.com .
  • CDD Free Visualization es un software gratuito para visualizar, procesar y analizar archivos SD (SDF) desde.
  • Adroit Repository es un software de pago para procesar archivos SD (SDF) desde Adroit DI .
  • SDF Toolkit es un software gratuito para procesar archivos SD (SDF).
  • El solucionador de identificadores químicos NCI/CADD genera archivos SD (SDF) a partir de nombres químicos, números de registro CAS, SMILES, InChI, InChIKey, ....
  • KNIME es un software gratuito para manipular datos y realizar minería de datos; también puede leer y escribir archivos SD (SDF).
  • Servicio de panel de toxicología comparativa proporcionado por la Agencia de Protección Ambiental (EPA) que genera archivos SD (SDF) a partir de nombres de sustancias químicas, números de registro CAS, SMILES, InChI, InChIKey, ...