InChIとは何か

1 InChIとInChIKeyとは何か？ Hiroaki Gotoh

国際化学物質識別子（InChI）とInChIKey 2 • IUPAC International Chemical Identifier (InChI) は、化合物に対する非独 占的なバイ・ユニーク識別子である。2000年から開発されているオープン ソースのInChIアルゴリズムは、現在多くの分子エディタに実装されており、 化合物をユニークな英数字の文字列に変換 • 自由に使え、非営利である。 • 構造情報から計算でき、組織による割当が必要ない。 • 作成時に構造の正規化が行われる。 • (ほとんどの情報は、人が読むことができる。) InChI > 構造> InChI変換が、正しく復元可能になるように設計されている

*1 InChIとInChIKeyの作成方法 3 正規化 Input Structural data Normalization Canonicalization Serialization 規格化 統一化*2 整列 同じ情報へと変換 結合の順番を統一 情報を整理 output Hashing output 要約 InChI InChIKey 0. 処理方法 InChI=1S/C5H5N/c1-2-4-6-5-3-1/h1-5H 1. 分子式 /区切りで化合物情報を一意に表現 2. 結合情報 3 .水素の 付加情報 分子式C5H5N。結合は省略 番号は分子式から1から5がC、6がN *1 InChI, the IUPAC International Chemical Identifier J Cheminform. 2015; 7: 23. Published online 2015 May 30. https://doi.org /10.1186%2Fs13321-015-0068-4 *2 InChIにおけるCanonicalization (グラフの番号の付け方)は、以下の論文から “McKay, B. D.: Practical Graph Isomorphism. Congressus Numerantium 1981, 30:45–87”. [http://cs.anu.edu.au/~bdm/papers/pgi.pdf] JUJWROOIHBZHMG-UHFFFAOYSA-N 25文字の固定長 (2箇所に-で区切り) で構造から化合物を表現

• http://cs.anu.edu.au/~bdm/papers/pgi.pdf
• https://doi.org/10.1186/s13321-015-0068-4

Normalization(規格化)の例 電荷分離パターン を中性に変換 金属含有化合物の切断 単純な互変異性検出と変換 4 結合情報 の除去 化合物を一意に表現するために、表現方法を統一する処理を行う。 InChI, the IUPAC International Chemical Identifier J Cheminform. 2015; 7: 23. Published online 2015 May 30. https://doi.org /10.1186%2Fs13321-015-0068-4

• https://doi.org/10.1186/s13321-015-0068-4

フェニルアラニンの標準的なInChI 1から9はC 10はN 11と12はO の番号になる 水素は省略 SMILESと同じくグラフを文字で表す 分岐は()で表現 原子に接続している水素の数 1から5と8は、水素が１つ 6と10は水素が２つ 11と12のどちらかに水素が１つ InChI=1S/C9H11NO2/c10-8(9(11)12)6-7-4-2-1-3-5-7/h1-5,8H,6,10H2,(H,11,12) Chemical formula Version Connection sublayer ‘/c‘から始まる 現在、InChIの構造情報は、階層に分類 H atom sublayer ‘/h‘から始まる Main layer Main layer（化学式、接続、H原子の接続を / で区切って表現する） また、電荷、立体化学、同位体等がある場合には、その後ろに接続させて表現する(次ページ)。 InChI, the IUPAC International Chemical Identifier J Cheminform. 2015; 7: 23. Published online 2015 May 30. https://doi.org/10.1186%2Fs13321-015-0068-4 注意) InChIは、SMILESと異なり結合の種類(二重結合 や３重結合など)や芳香族性の原子などを明示しない 5

• https://doi.org/10.1186/s13321-015-0068-4

同位体、電荷、立体化学等の具体例 化合物 CH3CH2OH 13CH CH OH 3 2 InChI InChI=1S/C2H6O/c1-2-3/h3H,2H2,1H3 InChI=1S/C2H6O/c1-2-3/h3H,2H2,1H3/i1+1 CH3NH2 InChI=1S/CH5N/c1-2/h2H2,1H3 CH3N+H3 InChI=1S/CH5N/c1-2/h2H2,1H3/p+1 同位体を表現 電荷を表現 InChI=1S/C6H8O6/c7-1-2(8)5-3(9)4(10)6(11)12-5/h2,5,7-10H,1H2 立体化学を表現 InChI=1S/C6H8O6/c7-1-2(8)5-3(9)4(10)6(11)12-5/h2,5,7-10H,1H2/t2-,5+/m0/s1 https://ja.wikipedia.org/wiki/InChI 6

• https://ja.wikipedia.org/wiki/InChI

InChIをInChIKeyへと変換 7 AAAAAAAAAAAAAA-BBBBBBBBFV-Pの25文字と区切り文字である-の2文字に変換 ハッシュ化 14文字 InChIKey への変換 ハイフン 区切り文字 ハッシュ化 8文字 2文字 ハイフン 1文字 (フラグ) COLNVLDHVKWLRT-UHFFFAOYSA-N InChI=1S/C9H11NO2/c10-8(9(11)12)6-7-4-2-1-3-5-7/h1-5,8H,6,10H2,(H,11,12) 1. InChIKeyの最初のブロック(14文字) AAAAAAAAAAAAAAA 2. InChIKeyの2番目のブロック(14文字) BBBBBBBB 3. Fフラグ文字 標準InChIの場合は'S'、非標準の場合は’N‘ 4. バージョン文字 現在は’A’で、これはバージョン1を意味する。 5. Pプロトン化/デプロトン化フラグ ’N’はプロトンに関連するイオン化がない （「中性」）であることを意味する。 Main layer由来 (化学式、接続、H原子) Sub layer由来 (同位体、電荷、立体化学等) InChIKey変換時のハッシュ化の注意点 1. 不可逆 ハッシュ化された文字だけからでは元の構造へは変換不可 2. 同一性保持 同じ化合物は同じ文字列へと変換される 3. 別々にハッシュ化(最初のブロックと二番目のブロック) Main layerが同じでSub layerが異なる場合には８文字部 分のみが異なる。 InChI, the IUPAC International Chemical Identifier. J Cheminform. 2015 May 30;7:23. https://doi.org/10.1186%2Fs13321-015-0068-4

• https://doi.org/10.1186/s13321-015-0068-4

InChI及びInChIKeyと立体の関係 ハッシュ化 14文字 InChIKey への変換 ハイフン 区切り文字 8 ハッシュ化 8文字 2文字 ハイフン 1文字 (フラグ) COLNVLDHVKWLRT-UHFFFAOYSA-N InChI=1S/C9H11NO2/c10-8(9(11)12)6-7-4-2-1-3-5-7/h1-5,8H,6,10H2,(H,11,12) Main layer由来 (化学式、接続、H原子) Sub layer由来 (同位体、電荷、立体化学等) 以下の例の立体化学のみ異なる次の２つの化合物は、Second Blockの8文字のみが異なる 化合物 InChIとInChIKey InChI=1S/C9H11NO2/c10-8(9(11)12)6-7-4-2-1-3-5-7/h1-5,8H,6,10H2,(H,11,12)/t8-/m0/s1 COLNVLDHVKWLRT-QMMMGPOBSA-N InChI=1S/C9H11NO2/c10-8(9(11)12)6-7-4-2-1-3-5-7/h1-5,8H,6,10H2,(H,11,12)/t8-/m1/s1 COLNVLDHVKWLRT-MRVPVSSYSA-N

InChIKeyとプロトン関連のイオン化 InChI, the IUPAC International Chemical Identifier. J Cheminform. 2015 May 30;7:23. https://doi.org/10.1186%2Fs13321-015-0068-4 9

• https://doi.org/10.1186/s13321-015-0068-4

InChIとInChIkeyの一意性 データベース名 CAS 化学構造 InChIとInChIKey InChI=1S/C9H11NO2/c10-8(9(11)12)6-7-4-2-1-3-5-7/h1-5,8H,6,10H2,(H,11,12)/t8-/m0/s1 COLNVLDHVKWLRT-QMMMGPOBSA-N pubchem InChI=1S/C9H11NO2/c10-8(9(11)12)6-7-4-2-1-3-5-7/h1-5,8H,6,10H2,(H,11,12)/t8-/m0/s1 ChEMBL InChI=1S/C9H11NO2/c10-8(9(11)12)6-7-4-2-1-3-5-7/h1-5,8H,6,10H2,(H,11,12)/t8-/m0/s1 wikipedia COLNVLDHVKWLRT-QMMMGPOBSA-N COLNVLDHVKWLRT-QMMMGPOBSA-N InChI=1S/C9H11NO2/c10-8(9(11)12)6-7-4-2-1-3-5-7/h1-5,8H,6,10H2,(H,11,12)/t8-/m0/s1 COLNVLDHVKWLRT-QMMMGPOBSA-N InChIとInChiKeyは、同じ化合物ならばデータベースが変わっても同じ →同じ方法を使って文字列にしている。 10

InChIKeyは稀に衝突(collision)が起こる InChIKeyは、一意ではないときが稀にある。 OCPAUTFLLNMYSX-UHFFFAOYSA-N https://chem-bla-ics.blogspot.com/2011/09/inchikey-collision-diy-copypastables.html InChI Keyは、情報量を削減するために暗号化している。 検索のためのIndexとして使われることが多い。 化合物によって、ごく稀に衝突(collision)することがある。 InChIKey collision resistance: an experimental testing. J Cheminform 4, 39 (2012). https://doi.org/10.1186/1758-2946-4-39 11

• https://chem-bla-ics.blogspot.com/2011/09/inchikey-collision-diy-copypastables.html
• https://doi.org/10.1186/1758-2946-4-39