Кіріспе
Химиялық файл форматы – молекулалық формулалар мен құрылымдарды сақтауға арналған дерек файлының түрі. Химиялық файл форматтары молекулалық деректерді көрсету үшін арнайы қолданылады. Ең көп тараған форматтардың бірі – химиялық кесте файл форматы, ол Құрылымдық дерек форматтарына (SDF) ұқсас. Бұл бірнеше химиялық құрылым жазбалары мен байланысты деректер өрістерін ұсынатын мәтіндік файлдар. XYZ файл форматы – қарапайым формат, әдетте бірінші жолда атомдардың саны, екінші жолда түсініктеме келтіріледі, одан кейін атомдық символдар (немесе атомдық нөмірлер) мен декарттық координаттары бар бірнеше жолдар болады. Протеин деректер банкі форматы көбінесе ақуыздар үшін қолданылады, бірақ басқа да молекулалар үшін де қолданылуы мүмкін. Төменде одан да көп форматтар туралы толық мәлімет берілген. Әртүрлі бағдарламалық жүйелер бір форматтан екінші форматқа түрлендіруге мүмкіндік береді.
A chemical file format is a type of data file which is used specifically for depicting molecular data. One of the most widely used is the chemical table file format, which is similar to Structure Data Format (SDF) files. They are text files that represent multiple chemical structure records and associated data fields. The XYZ file format is a simple format that usually gives the number of atoms in the first line, a comment on the second, followed by a number of lines with atomic symbols (or atomic numbers) and cartesian coordinates. The Protein Data Bank Format is commonly used for proteins but is also used for other types of molecules. There are many other types which are detailed below. Various software systems are available to convert from one format to another.
Форматтарды ажырату
Химиялық ақпарат көбінесе файлдар немесе ағындар түрінде ұсынылады және әртүрлі деңгейде құжатталған көптеген форматтар жасалған. Формат үш тәсілмен көрсетіледі: (қараңыз ) файл кеңейтімі (әдетте 3 әріп). Бұл кеңінен қолданылады, бірақ моль және дат сияқты жалпы кеңейтімдер көптеген жүйелерде, тіпті химиялық емес жүйелерде де қолданылады. Формат туралы ақпарат файлдың ішіне енгізілген өзін-өзі сипаттайтын файлдар. Мысалдар: CIF және CML. Химиялық білімі бар сервер қосымша химилық/MIME түрі.
file extension (usually 3 letters). This is widely used, but fragile as common suffixes such as mol and dat are used by many systems, including non chemical ones. self describing files where the format information is included in the file. Examples are CIF and CML. chemical/MIME type added by a chemically aware server.
Химиялық таңбалау тілі
Химиялық таңбалау тілі (CML) — молекулалық және басқа химиялық деректерді көрсетуге арналған ашық стандарт. Ашық кодты жобаға XML схемасы, CML деректерін талдау және олармен жұмыс істеуге қажетті бастапқы код, сондай-ақ белсенді қауымдастық кіреді. «Химиялық таңбалау тілімен жұмыс жасау құралдары» және «Химия және биологиялық ғылымдар үшін XML» атты мақалалар CML туралы толығырақ мәлімет береді. CML дерек файлдарын JChemPaint, Jmol, XDrawChem және MarvinView сияқты көптеген бағдарламалар қолдайды.
Белок деректер банкінің пішімі
Протеин дерекқоры форматы көбінесе ақуыздар үшін қолданылады, бірақ оны басқа да молекулалар үшін де қолдануға болады. Ол бастапқыда белгілі бір бағана енімен форматталған және қазір де солай болып табылады, сондықтан ресми түрде атомдардың, қалдықтардың және тізбектердің максималды саны шектелген; осының салдарынан рибосомалар сияқты өте ірі құрылымдар бірнеше файлға бөлінетін болды. Дегенмен, көптеген құралдар осы шектеулерден асып түсетін файлдарды оқи алады. Мысалы, E. coli 70S рибосомасы 2009 жылы 4 PDB файлы түрінде ұсынылған: 3I1M, 3I1N, 3I1O және 3I1P. 2014 жылы олар 4V6C деген бір файлға біріктірілді. Кейбір PDB файлдары атомдардың байланысын және олардың орналасуын сипаттайтын қосымша бөлімдерді қамтиды. Ондай файлдар кейде макромолекулалық жиынтықтарды немесе еріткіште еріген молекулаларды сипаттау үшін қолданылады, сондықтан олар өте үлкен болуы мүмкін және көбінесе қысылады. Jmol және KiNG сияқты кейбір құралдар PDB файлдарын gzipped форматында оқи алады. wwPDB PDB файл форматының және оның XML нұсқасы PDBML-дің сипаттамаларын сақтайды. 2007 жылдың тамызында PDB форматының сипаттамалары (3.0 нұсқасына) айтарлықтай өзгертілді және қолданыстағы деректер қорындағы көптеген файлдармен байланысты мәселелер шешілді. PDB файлының әдеттегі кеңейтімі pdb, бірақ кейбір ескі файлдар ent немесе brk кеңейтімдерін қолданады. Кейбір молекулалық модельдеу құралдары өздерінің қажеттіліктеріне бейімделген стандартты емес PDB стильді файлдарды жасайды.
GROMACS пішімі
GROMACS файлдық форматтар отбасы GROMACS молекулалық симуляциялық бағдарламалық кешенімен қолдану үшін жасалған. Ол PDB форматына өте ұқсас, бірақ молекулалық динамика симуляцияларының нәтижелерін сақтауға арналған, сондықтан ол қосымша сандық дәлдікті қамтамасыз етеді және белгілі бір уақыт сәтінде бөлшектердің жылдамдығы мен орнын сақтап қалу мүмкіндігін береді. GROMACS-та молекулалар мен жүйелердің жеке топологиялық файлдарынан алынатын байланыс туралы ақпаратты сақтауға рұқсат етілмейді. GROMACS файлының кеңейтімі әдетте gro болып келеді.
CHARMM пішімі
CHARMM молекулалық динамикасы жиынтығы бірқатар стандартты химиялық және биохимиялық файл форматтарын оқуға және жазуға мүмкіндік береді; алайда, CARD (координаталар) және PSF (протеин құрылым файлы) форматтары көбінесе CHARMM-ге ғана тән. CARD форматы белгілі бір бағана енімен, PDB форматына ұқсас және тек атомдық координаталарды сақтау үшін қолданылады. PSF файлы атомдардың байланыс туралы ақпаратты (яғни атомдық байланыстарды сипаттайды) қамтиды және симуляцияны бастамас бұрын қажет болады. Әдетте қолданылатын файл кеңейтімдері сәйкесінше crd және psf болып табылады.
GSD форматы
Жалпы симуляциялық деректер (GSD) файл форматы, ең алдымен HOOMD blue симуляциялары, бірақ олармен ғана шектелмейтін, жалпы бөлшектік симуляцияларды тиімді оқу/жазу үшін жасалған. Бұл пакетке сонымен қатар HOOMD схемалық gsd файлдарын оңай қолданылатын синтаксиспен оқитын және жазатын Python модулі де кіреді.
Гемиялық файл пішімі
Ghemical бағдарламалық жасақтамасы OpenBabel-ді бірнеше файл форматтарын импорттау және экспорттау үшін пайдалана алады. Бірақ, әдепкі бойынша, ол GPR форматын қолданады. Бұл файл бірнеше бөліктен тұрады, олар белгілермен бөлінеді (!Header, !Info, !Atoms, !Bonds, !Coord, !PartialCharges және !End). Осы формат үшін ұсынылған MIME түрі application/x ghemical.
XYZ
XYZ файл форматы – қарапайым формат, әдетте бірінші жолдағы атомдар саны, екінші жолдағы түсіндірме, одан кейін атомдық символдар (немесе атомдық нөмірлер) және декарттық координаттары бар бірнеше жолдардан тұрады.
МДЛ нөмірі
МДЛ нөмірі әрбір реакция мен өзгеріс үшін бірегей идентификациялық нөмірді қамтиды. Форматы – RXXXnnnnnnnn. R – реакцияны білдіреді, XXX – реакция туралы мәліметтер қай дерекқорында сақталғанын көрсетеді. Сандық бөлігі, nnnnnnnn, – 8 таңбалы сан.
Қолдау
Linux/Unix жүйелері үшін конфигурациялық файлдар deb, RPM және tar.gz форматтарында "химиялық MIME деректері" жинағы ретінде қолжетімді, олар веб-серверде химиялық MIME түрлерін тіркеуге мүмкіндік береді. Бағдарламалар осы форматтар үшін көруші, редактор немесе өңдеуші ретінде тіркелуі мүмкін, соның арқасында химиялық MIME түрлеріне толық қолдау қамтамасыз етіледі.
Химиялық деректердің көздері
Мұнда молекулалық деректердің тегін қолжетімді көздерінің қысқа тізімі берілген. Интернетте осы тізімдегіден әлдеқайда көп ресурстар бар. Осы дереккөздерге сілтемелер төменде келтірілген. АҚШ Ұлттық денсаулық сақтау институтының PubChem дерекқоры химиялық деректердің үлкен көзі болып табылады. Барлық деректер екі өлшемді. Деректерге SDF, SMILES, PubChem XML және PubChem ASN1 форматтары кіреді. Дүниежүзілік ақуыз деректер банкі (wwPDB) ақуыз және нуклеин қышқылы молекулалық координаттарының тамаша көзі болып табылады. Деректер үш өлшемді және Ақуыз деректер банкі (PDB) форматында ұсынылған. – молекулалық деректерге арналған коммерциялық дерекқор. Деректерге екі өлшемді құрылымдық схема және әрбір қосылыс үшін SMILES тізбегі кіреді. Молекулалық құрылымның бөліктеріне негізделген субструктураны жылдам іздеуді қолдайды. ChemExper – молекулалық деректер үшін коммерциялық дерекқор. Іздеу нәтижелеріне екі өлшемді құрылымдық схема және көптеген қосылыстар үшін mole файлы кіреді. Нью-Йорк университетінің 3D молекулалық құрылымдар кітапханасы. АҚШ Қоршаған ортаны қорғау агенттігінің Таратылған құрылымды іздестірілетін уыттылық (DSSTox) деректер базасы желісі – EPA-ның есептеулік токсикология бағдарламасының жобасы. Деректер базасы SDF молекулалық файлдарын ұсынады, олар канцерогенді және басқа да улы заттарға баса назар аударады.