国際化学物質識別子

国際化学識別子（InChI 、発音：/ ˈɪn tʃ iː / IN -chee）^[3]は、化学物質のテキスト識別子であり、分子情報をエンコードするための標準的な方法を提供し、データベースやウェブ上でそのような情報を検索しやすくするように設計されています。 2000年から2005年にかけて国際純正・応用化学連合（IUPAC）と米国国立標準技術研究所（NIST）によって最初に開発されたもので、フォーマットとアルゴリズムは非独占的です。2009年5月以来、 InChIの実装と使用の促進に取り組んでいる英国の非営利慈善団体であるInChI Trustによって開発されています。 ^[4]

識別子は、原子とその結合接続、互変異性情報、同位体情報、立体化学、電子電荷情報といった情報の層で化学物質を記述します。 ^[5] すべての層を提供する必要はありません。たとえば、互変異性体層は、そのタイプの情報が特定のアプリケーションに関連しない場合は省略できます。InChIアルゴリズムは、入力された構造情報を、正規化（冗長な情報を削除する）、正規化（各原子に一意の番号ラベルを生成する）、シリアル化（文字列を提供する）という3段階のプロセスで一意のInChI識別子に変換します。

InChI は、広く使用されているCAS 登録番号と3 つの点で異なります。第一に、自由に使用でき、非独占的であることです。第二に、構造情報から計算でき、何らかの組織によって割り当てられる必要がないことです。第三に、InChI の情報のほとんどは人間が判読可能です (練習すれば)。したがって、InChI は、IUPAC 名の一般かつ極めて形式化されたバージョンとみなすことができます。より単純なSMILES表記法よりも多くの情報を表現でき、SMILES 文字列とは対照的に、すべての構造にはデータベース アプリケーションで重要な一意の InChI 文字列があります。原子の 3 次元座標に関する情報は InChI では表されません。この目的では、 PDBなどの形式を使用できます。

InChIKeyはハッシュ化されたInChIとも呼ばれ、人間には理解できない固定長（27文字）のInChIの凝縮デジタル表現です。InChIKey仕様は、フルレングスのInChIでは問題があった化合物のWeb検索を容易にするために2007年9月にリリースされました。^[6] InChIとは異なり、InChIKeyは一意ではありません。衝突は非常にまれであると予想されますが、既知の衝突があります。^[7]

2009 年 1 月に、InChI ソフトウェアのバージョン 1.02 がリリースされました。これにより、いわゆる標準 InChI を生成する手段が提供されましたが、InChI 文字列の立体化学および互変異性体レイヤーの処理において、ユーザーが選択できるオプションは許可されません。標準 InChIKey は、標準 InChI 文字列のハッシュ バージョンです。標準 InChI により、さまざまなグループによって生成され、その後データベースや Web リソースなどのさまざまなソースからアクセスされる InChI 文字列とキーの比較が簡素化されます。

この規格の継続的な開発は、IUPACもメンバーである非営利団体InChI Trustによって2010年以来サポートされてきました。バージョン1.06は2020年12月にリリースされました。 ^[8] 1.04より前は、ソフトウェアはオープンソースの LGPLライセンスの下で無料で利用できました。^[9] バージョン1.05と1.06では、IUPAC-InChI Trust Licenseと呼ばれるカスタムライセンスが使用されていました。^[10]

現在のソフトウェア バージョンは 1.07.1 (2024 年 8 月) で、MIT ライセンスを使用しており、InChI GitHub サイトからダウンロードできます。

互変異性構造に対して異なる InChI が生成されることを避けるため、InChI を生成する前に、入力化学構造を正規化して、いわゆるコア親構造に縮小します。これには、結合順序の変更、形式電荷の並べ替え、場合によってはプロトンの追加と削除が含まれます。異なる入力構造でも同じ結果になる場合があります。たとえば、酢酸と酢酸はどちらも同じコア親構造 (酢酸) になります。コア親構造は切断されていて、複数のコンポーネントから構成されている場合があります。その場合、InChI のサブレイヤーは通常、セミコロン (化学式サブレイヤーの場合はピリオド) で区切られた各コンポーネントのサブレイヤーで構成されます。これが発生する 1 つの方法は、正規化中にすべての金属原子が切断されることです。したがって、たとえば、テトラエチル鉛の InChI には 5 つのコンポーネント (鉛が 1 つ、エチル基が 4 つ) があります。^[5]

InChI の最初のメイン層は、このコアとなる親構造を参照し、その化学式、結合順序のない非水素結合 (/cサブ層)、および水素結合 (/hサブ層) を示します。/q電荷層の部分は電荷を示し、/p電荷層の部分は元の構造を再生するために何個のプロトン (水素イオン) を追加または削除する必要があるかを示します。存在する場合、サブ層b、/t、/mおよびを含む立体化学層は/s立体化学情報を示し、同位体層(サブ層、、、および を/i含む場合がある) は同位体情報を示します。これらは、標準的な InChI に存在できる唯一の層です。^[5]/h/b/t/m/s

ユーザーが正確な互変異性体を指定したい場合は、固定水素層/fを追加することができます。これには、さまざまな追加のサブレイヤーを含めることができます。ただし、これは標準のInChIでは実行できないため、異なる互変異性体は同じ標準InChIを持ちます（たとえば、アラニンは、中性または両性イオンの形で入力されても同じ標準InChIになります）。最後に、非標準の再接続/r層を追加することができ、これにより、金属原子への結合を切断せずに生成された新しいInChIが効果的に得られます。これには、を含むさまざまなサブレイヤーを含めることができます/f。^[5]

すべての InChI は、文字列 " InChI=" で始まり、その後にバージョン番号 (現在は ) が続きます。InChI が標準の場合、この後には標準 InChIの1文字 が続きます。これは、構造の詳細に対する同じレベルの配慮と描画認識に関する同じ規則を維持する、完全に標準化された InChI フレーバーです。残りの情報は、レイヤーとサブレイヤーのシーケンスとして構造化され、各レイヤーは 1 つの特定のタイプの情報を提供します。レイヤーとサブレイヤーは区切り文字 " " で区切られ、特徴的なプレフィックス文字で始まります (メイン レイヤーの化学式サブレイヤーを除く)。重要なサブレイヤーを持つ 6 つのレイヤーは次のとおりです。 S/

1. メインレイヤー（常に存在）
   • 化学式（接頭辞なし）。これはすべてのInChIで必ず出現する唯一のサブレイヤーです。InChI全体で使用される数字は、水素原子を除いた式の元素順に与えられます。たとえば、「/C10H16N5O13P3」は、1〜10番の原子が炭素、11〜15番が窒素、16〜28番が酸素、29〜31番がリンであることを意味します。^[11]
   • 原子結合 (接頭辞: " c")。化学式内の原子 (水素を除く) は順番に番号が付けられます。このサブレイヤーは、どの原子が他のどの原子と結合しているかを示します。これらの結合の種類は、後で " b" で始まる立体化学レイヤーで指定されます。
   • 水素原子（接頭辞：「h」）。他の原子のそれぞれに結合している水素原子の数を示します。
2. チャージ層
   • チャージサブレイヤー（接頭辞: " q"）
   • 陽子サブレイヤー（接頭辞：p「陽子」の「 」）
3. 立体化学層
   • 二重結合とクムレン（接頭辞：「b」）
   • 原子およびアレンの四面体立体化学（接頭辞：「t」、「m」）
   • 立体化学情報の種類（接頭辞: " s"）
4. 同位体層（接頭辞：「i」）、サブ層を含む場合がある：^[11]
   • h同位体水素のサブレイヤー「 」
   • 同位体立体化学のサブレイヤー「b」、「t」、「m」、「 」s
5. 互変異性水素のための固定H層（接頭辞：「f」）。原子結合を除く上記の層のいくつかまたはすべてを含む。「 」oサブ層で終わることがある。標準InChIには含まれない^[11]
6. 再結合層（接頭辞：「r」）; 再結合した金属原子を含む構造の InChI 全体を含みます。標準の InChI には決して含まれません。

区切り文字プレフィックス形式の利点は、ユーザーがワイルドカード検索を使用して、特定のレイヤーにのみ一致する識別子を簡単に見つけることができることです。

27 文字の短縮されたInChIKey は、完全な InChI のハッシュ版 ( SHA-256アルゴリズムを使用)であり、化合物の Web 検索を容易にするために設計されています。^[6]標準InChIKeyは、標準 InChIのハッシュ版です。2007 年までの Web 上のほとんどの化学構造は、化学コンテンツを検索できないGIF ファイルとして表されていました。完全な InChI は簡単に検索するには長すぎることが判明したため、InChIKey が開発されました。2 つの異なる分子が同じ InChIKey を持つ可能性は非常に低いですが、ゼロではありません。ただし、最初の 14 文字のみが重複する確率は、それぞれ 10 億の固有の構造を含む 75 のデータベースで 1 つの重複のみと推定されています。現在すべてのデータベースの構造が 5000 万未満であるため、このような重複は現時点では起こりそうにありません。最近の研究では、衝突率をより広範に研究し、実験的な衝突率が理論的な予測と一致することがわかりました。^[12]

InChIKey は現在、ハイフンで区切られた 3 つの部分で構成され、それぞれ 14、10、1 文字で構成されます ( ) XXXXXXXXXXXXXX-YYYYYYYYFV-P。最初の 14 文字は、InChI の接続情報 (電荷層のメイン層とサブ層) の SHA-256 ハッシュから生成されます/q。2 番目の部分は、InChI の残りの層のハッシュから生成された 8 文字、InChIKey の種類 (Sは標準、 はN非標準) を示す 1 文字、および使用されている InChI のバージョン (現在はAバージョン 1) を示す 1 文字で構成されます。最後に、最後の 1 文字は、電荷層のサブ層に対応するコア親構造のプロトン化を示します (はプロトン化なし、 はプロトンを追加する場合、 、、...、 はプロトンを削除する場合)。^{[13] [5]}/pNOPML

モルヒネは右に示す構造を持っています。モルヒネの標準InChIは であり InChI=1S/C17H19NO3/c1-18-7-6-17-10-3-5-13(20)16(17)21-15-12(19)4-2-9(14(15)17)8-11(10)18/h2-5,10-11,13,16,19-20H,6-8H2,1H3/t10-,11+,13-,16-,17-/m0/s1、モルヒネの標準InChIKeyは ですBQJCRHHNABKAKU-KBQPJGBKSA-N。^[14]

InChIはInChIKeyから再構築できないため、元の構造に戻るには、常にInChIKeyを元のInChIにリンクする必要があります。InChIリゾルバは、これらのリンクを作成するための検索サービスとして機能し、プロトタイプのサービスは、国立がん研究所、欧州バイオインフォマティクス研究所のUniChemサービス、およびPubChemから利用できます。ChemSpiderには、2015年7月に廃止されるまでリゾルバがありました。^[15]

この形式は、当初 IChI (IUPAC 化学識別子) と呼ばれていましたが、2004 年 7 月に INChI (IUPAC-NIST 化学識別子) に改名され、さらに 2004 年 11 月に IUPAC の商標である InChI (IUPAC 国際化学識別子) に改名されました。

InChI標準の科学的指導はIUPAC Division VIII小委員会によって行われ、標準の拡張を調査および定義するサブグループへの資金提供はIUPACとInChI Trustの両方によって行われます。InChI TrustはInChIの開発、テスト、および文書化に資金を提供します。現在、ポリマーと混合物、マルクーシュ構造、反応^[16] 、および有機金属を扱うための拡張機能が定義されており、Division VIII小委員会で承認され次第、アルゴリズムに追加されます 。

InChI Trustは、InChI、InChIKey、その他の識別子を生成するソフトウェアを開発しました。このソフトウェアのリリース履歴は次のとおりです。^[17]

InChIは、ChemSpider、ChEMBL、Golm Metabolome Database、PubChemなど、多くの大規模および小規模のデータベースで採用されています。^[18]しかし、採用は簡単ではなく、多くのデータベースでは化学構造とそこに含まれるInChIの間に矛盾が見られ、データベースをリンクする上で問題となっています。^[19]

• 分子クエリ言語
• 簡易分子入力ラインエントリシステム（SMILES）
• 分子エディタ
• SYBYL ライン表記
• Bioclipseは描画された構造または開かれたファイルに対してInChIとInChIKeysを生成します。
• 化学開発キットはJNI -InChIを使用してInChIを生成し、InChIを構造に変換し、InChIアルゴリズムに基づいて互変異性体を生成することができます。

Wikidata には次のプロパティがあります:

• InChI (P234) (用途を参照)

• IUPAC InChI サイト
• 正規化アルゴリズムの説明
• InCh を Google で検索すると、W3C へのプレゼンテーションが表示されます。
• InChI リリース 1.02 InChI 最終バージョン 1.02 および標準 InChI の説明、2009 年 1 月
• NCI/CADD 化学識別子リゾルバ InChI/InChIKeys やその他の多くの化学識別子を生成および解決します
• PubChem SMILES /SMARTS および InChI をサポートするオンライン分子エディター
• ChemSpider 化合物 API ChemSpider REST APIは、InChI の生成と InC​​hI から構造への変換 (SMILES とその他のプロパティの生成も可能) を可能にします。
• ChemAxonの MarvinSketch は、構造を描画 (または他のファイル形式を開く) し、InChI ファイル形式に出力するための実装です。
• BKchemは独自のInChIパーサーを実装し、IUPAC実装を使用してInChI文字列を生成します。
• CompoundSearchはスペクトルライブラリのInChIおよびInChIキー検索を実装します
• SpectraBaseはスペクトルライブラリのInChIおよびInChIキー検索を実装します
• JSME Archived 2015-01-06 at the Wayback Machineは、 WebブラウザでInChIとInChIキーを生成する無料のJavaScriptベースの分子エディタであり、化合物のWeb検索を容易にします。