在计算机中，蛋白质分子和化学分子的常见表示格式（生物信息学领域）

一、蛋白质分子

1、FASTA 格式：

• 存储内容： FASTA 格式主要用于存储蛋白质和核酸序列的基本信息。每条序列由一个标题行和一个序列行组成。标题行以大于号（>）开头，后面跟着序列的标识符或描述信息。序列行包含了蛋白质或核酸的碱基序列。例如：

>P12345 My Protein
MAFSAEDVLKEYDRRRRMEALLLSLYYPNDRKLLDYDDDVTVGSPDSNKY

• 结构简单： FASTA 格式非常简单，易于理解和解析。它不包含任何结构化的蛋白质信息，仅仅是一种文本格式。
• 适用范围： FASTA 格式适用于存储大量的蛋白质或核酸序列，例如在基因组学和序列比对等领域。

2、PDB 格式：

• 存储内容： PDB 格式用于存储蛋白质的三维结构信息。它包含了蛋白质的原子坐标、结构拓扑、结合物信息等。PDB 文件通常由多个记录组成，包括原子坐标记录（ATOM）、连接记录（CONECT）、晶体学信息记录（CRYST1）等。
• 结构复杂： PDB 格式是一种非常复杂的结构化格式，需要一定的了解才能正确解析和处理。它包含了大量的结构信息，能够准确地描述蛋白质的三维构象。
• 适用范围： PDB 格式适用于存储蛋白质的三维结构数据，主要用于存储和共享生物大分子的结构信息，广泛应用于蛋白质结构预测、药物设计、生物信息学等领域。

PDB 格式示例：

HEADER    HYDROLASE                               20-JAN-99   1A6G              
TITLE     CRYSTAL STRUCTURE OF HUMAN RENIN IN COMPLEX WITH A PEPTIDOMIMETIC 
TITLE    2 INHIBITOR AT 2.0 A RESOLUTION                                        
COMPND    MOL_ID: 1;                                                            
COMPND   2 MOLECULE: RENIN;                                                     
COMPND   3 CHAIN: A;                                                            
...
ATOM      1  N   ASP A   1      34.180  31.280  11.560  1.00 22.58           N  
ATOM      2  CA  ASP A   1      33.500  31.790  12.760  1.00 22.54           C  
ATOM      3  C   ASP A   1      34.420  31.310  13.920  1.00 22.80           C  

…

3、MOL2 格式：

• 存储内容： MOL2 格式是一种用于存储分子结构信息的文件格式，通常包含分子的原子、键、电荷、立体信息等。
• 结构复杂性： MOL2 格式相对较为简单，主要用于描述小分子或小分子与蛋白质/配体的相互作用。
• 适用范围： MOL2 格式常用于计算化学软件中，如药物设计、分子对接等领域。

MOL2 格式示例：

@<TRIPOS>MOLECULE
MOL
   12   11    0    0    0
SMALL
GASTEIGER
@<TRIPOS>ATOM
      1 C1         2.5470    1.1880    0.0000 C.3    1 MOL         0.0000
      2 C2         1.5470    1.1880    0.0000 C.3    1 MOL         0.0000
      3 C3         1.0470    1.1880    0.0000 C.3    1 MOL         0.0000
...
@<TRIPOS>BOND
1 1 2 1
2 2 3 1
3 3 4 1
...

2、化学分子

1、SMILES（Simplified Molecular Input Line Entry System）格式：

• 表示方式： SMILES 格式：是一种线性表示法，用一串字符表示分子结构，包括原子、键和环的信息。
• 可读性： 相对简洁，适合用于快速查看和理解分子结构。
• 广泛应用： 被广泛用于化学信息系统、药物设计和计算化学领域。
  SMILES格式举例：
  

2、PubChem 格式

• 表示方式： 是一种更加复杂的格式，以 XML 或 JSON 格式存储，包含了丰富的分子信息，如分子结构、性质、标识符等。
• 可读性： 包含了更多的信息，适合用于存储和交换分子数据，但相对复杂，不太适合直接阅读。
• 广泛应用： 主要用于 PubChem 数据库中存储和检索化合物信息。

PubChem格式举例：

CID: 702  
分子式: C2H6O  
分子质量: 46.07 g/mol  
SMILES: CCO  
InChI: InChI=1S/C2H6O/c1-2-3/h3H,1-2H2  
InChIKey: LFJITWHZSUQNPS-UHFFFAOYSA-N  
生物活性数据: 可能会列出乙醇的各种生物活性信息，如其对特定受体的作用、在药物筛选中的结果等。

3、InChI格式：

• 简介： InChI，全称International Chemical Identifier，即国际化学标识符，是一种用于唯一地表示分子结构的文本字符串。它旨在提供一种与人类语言相似的、非专有的、可机读的格式，用于描述和检索化学结构。

• 组成： InChI由多个部分组成，包括连接表、氢原子信息、电荷和立体化学等。这种格式不仅可以表示分子的原子连接关系，还可以表示分子的立体结构和电荷状态。

• 复杂性： 与SMILES相比，InChI更注重唯一性和准确性；具体来说，InChI格式字符串可能会相当复杂，因为它需要包含分子的所有详细信息。而SMILES格式则可能更简洁，因为它主要关注分子骨架的连接关系

水（H₂O）
InChI：InChI=1S/H2O/h1H2,1H

在这个例子中，InChI字符串“InChI=1S/H2O/h1H2,1H”表示了水分子的结构。这个字符串由几个部分组成：
- InChI=1S：这是InChI字符串的开头部分，标识了这是一个标准的InChI字符串。
- /H2O/：这部分表示了分子的分子式，即H₂O。
- /h1H2,1H：这部分描述了分子的氢原子连接情况。在这个例子中，它表示有两个氢原子（H2）连接到一个氧原子（O）上，并且这个氧原子也连接到了另一个氢原子（1H）上。