Arquivo de tabela química - Chemical table file

O arquivo de tabela química (Arquivo CT) é uma família de formatos de arquivos químicos baseados em texto que descrevem moléculas e reações químicas. Um formato, por exemplo, lista cada átomo em uma molécula, as coordenadas xyz desse átomo e as ligações entre os átomos.

Formatos de arquivo

Existem vários formatos de arquivo na família.

Os formatos foram criados pela MDL Information Systems (MDL) , que foi adquirida pela Symyx Technologies e depois se fundiu com a Accelrys Corp., e agora se chama BIOVIA, uma subsidiária da Dassault Systemes do Dassault Group .

O arquivo CT é um formato aberto , a BIOVIA publica sua especificação. O BIOVIA exige que os usuários se registrem para baixar as especificações do formato CTFile.

Molfile

Um MDL Molfile é um formato de arquivo para armazenar informações sobre os átomos, ligações, conectividade e coordenadas de uma molécula.

O molfile consiste em algumas informações de cabeçalho, a Tabela de Conexão (CT) contendo informações do átomo, depois conexões e tipos de ligações, seguidas por seções para informações mais complexas.

O molfile é suficientemente comum para que a maioria, senão todos, os sistemas / aplicativos de software de quiminformática sejam capazes de ler o formato, embora nem sempre no mesmo grau. Também é suportado por alguns softwares computacionais como o Mathematica .

A versão padrão atual de fato é o molfile V2000, embora, mais recentemente, o formato V3000 tenha circulado amplamente o suficiente para apresentar um possível problema de compatibilidade para os aplicativos que ainda não são compatíveis com o V3000.

Os molfiles também são usados ​​em alguns jogos do PlayStation 3, especificamente na série LittleBigPlanet para modelos. Esses molfiles são completamente diferentes e difíceis de converter.

O conteúdo de um Molfile de L-Alanina

L-Alanine	Linha de título (pode estar em branco, mas deve existir linha)	Bloco de Cabeçalho (3 linhas)
ABCDEFGH09071717443D	Linha de carimbo de data / hora do programa / arquivo (Nome do programa de origem e um carimbo de data / hora do arquivo)
Exported	Linha de comentário (pode estar em branco, mas deve existir linha)
6 5 0 0 1 0 3 V2000	Linha de contagens	Tabela de conexão
-0.6622 0.5342 0.0000 C 0 0 2 0 0 0 0.6622 -0.3000 0.0000 C 0 0 0 0 0 0 -0.7207 2.0817 0.0000 C 1 0 0 0 0 0 -1.8622 -0.3695 0.0000 N 0 3 0 0 0 0 0.6220 -1.8037 0.0000 O 0 0 0 0 0 0 1.9464 0.4244 0.0000 O 0 5 0 0 0 0	Bloco atômico (1 linha para cada átomo): x, y, z (em angstroms ), elemento, etc.
1 2 1 0 0 0 1 3 1 1 0 0 1 4 1 0 0 0 2 5 2 0 0 0 2 6 1 0 0 0	Bloco de ligação (1 linha para cada ligação): 1º átomo, 2º átomo, tipo, etc.
M CHG 2 4 1 6 -1 M ISO 1 3 13	Bloco de propriedades
M END	Fim da linha (NOTA: alguns programas não gostam de uma linha em branco antes de M END)	FIM

Contagens de especificação de bloco de linha

Especificação do bloco de ligação

O Bond Block é composto por linhas de bond, uma linha por bond, com o seguinte formato:

111 222 ttt sss xxx rrr ccc

onde os valores são descritos na tabela a seguir:

Tabela de conexão estendida (V3000)

O molfile estendido (V3000) consiste em um molfile regular “sem estrutura” seguido por um único apêndice molfile que contém o corpo da tabela de conexão (Ctab). A figura a seguir mostra uma estrutura de alanina e o molfile estendido correspondente a ela.

Observe que "sem estrutura" é sinalizado com o "V3000" em vez do carimbo de versão "V2000". Existem duas outras alterações no cabeçalho, além da versão:

• O número de linhas do apêndice é sempre escrito como 999, independentemente de quantas linhas realmente existem. (Todos os leitores atuais irão desconsiderar a contagem e parar em M END.)

• O “código dimensional” é mantido de forma mais explícita. Portanto, "3D" realmente significa 3D, embora "2D" seja interpretado como 3D se quaisquer coordenadas Z diferentes de zero forem encontradas.

Ao contrário do molfile V2000, o molfile Rgroup estendido V3000 tem o mesmo formato de cabeçalho de um molfile não Rgroup.

L-Alanine	Descrição	Bloco de cabeçalho
GSMACCS-II07189510252D 1 0.00366 0.00000 0	Cabeçalho com carimbo de data / hora
Figure 1, J. Chem. Inf. Comput. Sci., Vol 32, No. 3., 1992	Linha de comentário
0 0 0 0 0 999 V3000	Linha de compatibilidade V2000
M V30 BEGIN CTAB		Tabela de conexão
M V30 COUNTS 6 5 0 0 1	Linha de contagens
M V30 BEGIN ATOM M V30 1 C -0.6622 0.5342 0 0 CFG=2 M V30 2 C 0.6622 -0.3 0 0 M V30 3 C -0.7207 2.0817 0 0 MASS=13 M V30 4 N -1.8622 -0.3695 0 0 CHG=1 M V30 5 O 0.622 -1.8037 0 0 M V30 6 O 1.9464 0.4244 0 0 CHG=-1 M V30 END ATOM	Bloco atômico
M V30 BEGIN BOND M V30 1 1 1 2 M V30 2 1 1 3 CFG=1 M V30 3 1 1 4 M V30 4 2 2 5 M V30 5 1 2 6 M V30 END BOND	Bloco de ligação
M V30 END CTAB M END

Linha de contagens

Uma linha de contagem é necessária e deve ser a primeira. Ele especifica o número de átomos, ligações, objetos 3D e Sgroups. Ele também especifica se o sinalizador CHIRAL está ou não definido. Opcionalmente, a linha de contagens pode especificar molregno. Isso só é usado quando o regno excede 999999 (o limite do formato na linha de cabeçalho do molfile). O formato da linha de contagem é:

M V30 COUNTS na nb nsg n3d chiral

SDF

SDF faz parte de uma família de formatos de arquivo de dados químicos desenvolvidos pela MDL; destina-se especialmente a informações estruturais. "SDF" significa arquivo de dados de estrutura, e os arquivos SDF, na verdade, envolvem o formato molfile ( MDL Molfile ). Vários compostos são delimitados por linhas que consistem em quatro cifrões ($$$$). Uma característica do formato SDF é sua capacidade de incluir dados associados.

Os itens de dados associados são indicados da seguinte forma:

>  <Unique_ID>
XCA3464366
 
>  <ClogP>
5.825

>  <Vendor>
Sigma

>  <Molecular Weight>
499.611

Itens de dados de várias linhas também são suportados. A especificação do formato MDL SDF requer que um caractere de retorno de carro rígido seja inserido se uma única linha de qualquer campo de texto exceder 200 caracteres. Este requisito é frequentemente violado na prática, visto que muitas strings SMILES e InChI excedem esse comprimento.

Outros formatos da família

Existem outros formatos da família menos usados:

• RXNFile - para representar uma única reação química;
• RDFile - para representar uma lista de registros com dados associados. Cada registro pode conter estruturas químicas, reações, dados textuais e tabulares;
• RGFile - para representar as estruturas Markush (obsoleto, Molfile V3000 pode representar estruturas Markush);
• XDFile - para representar informações químicas em formato XML .

Veja também

• Formato de arquivo químico # Conversão entre formatos

Referências

links externos

• Software gratuito SDF Toolkit para processar arquivos SD (SDF).
• NCI / CADD Chemical Identifier Resolver gera arquivos SD (SDF) de nomes químicos, números de registro CAS, SMILES, InChI, InChIKey, ....
• O software livre KNIME para manipular dados e fazer datamining, também pode ler e escrever arquivos SD (SDF).
• Serviço Comparative Toxicology Dashboard fornecido pela Agência de Proteção Ambiental (EPA) que gera arquivos SD (SDF) de nomes químicos, números de registro CAS, SMILES, InChI, InChIKey, ...