基于Ｗｅｂ的ＣＭＬ化学结构搜索方法初探的论文.docVIP

　　基于Ｗｅｂ的ＣＭＬ化学结构搜索方法初探的论文 【摘 要】化学标记语言cml 已得到广泛应用，目前l表示的化学结构信息，google、百度等l特点的基础上，介绍了提取与验证l表示的化学结构信息的方法。利用daylight公司的thor-merlin化学信息数据库系统，提出一种化学结构搜索引擎的设计方案。 　　【关键词】化学标记语言 化学结构检索 化学结构数据库系统 　　 　　1 引言 　　 　　化学标记语言cml (chemical markup language)最初于1995年由peter murray-rust等人基于html2.0开发，尝试解决在inter上进行化学信息交换的问题。1998年2月l：可扩展标记语言推荐标准1.0版。化学标记语言cml也根据xml的规范进行了更改和修订，成为根据xml的规范重新定义的一种标记语言，是xml的一个应用。 　　cml目前的应用已相当广泛，如materialsgrid、spectra等项目都采用了cml，l表示的化学结构信息。由于化学学科的专业性和内容的相对独立性，目前化学信息的检索都是基于特定的数据库，如scifinder、chembank、zinc、pubchem、chemdb、chemmine等化学数据库。本文提出一种设计方案，将cml转换为smiles，利用daylight公司的thor-merlin系统，建立针对l表示的化学结构的l内容的网页。最终的thor数据库中并不保存整个网页的内容，而只是保存含有cml内容的网页url。 　　cml表示的化学结构信息具有区别于网页其它内容的显明特征，它以标记开始，以标记来结束。与标记没有实质的意义，只是起到容器的作用，作为cml内容的根，用来告诉其它cml处理程序在文档中存在化学内容。与之间可以是任何内容，而且可以嵌套。但是目前看到的一些cml文档并未在化学结构信息的最外层加注与标记，而是直接以与表示最外层。在对文档内容分析时要考虑到这两种情况。可以采用模式匹配来分析抓取的网页内容。 　　2.2 文档cml内容的抓取与有效性验证 　　经过cral内容。将文档中cml内容复制到单独的文件中。文档url与文档产生的cml文件具有一对n关系，n为cml文件的个数。 　　cml内容的有效性验证分三步［2， 3］。第一步确定cml内容是否由与标记或 与标记所包含。这在2.1节中的文档内容分析时已采用，目的是过滤掉确定不含cml内容的文档。第二步，由于cml严格遵守xml规范，可以采用cml dtd与cml schema对cml内容进行验证(cml1.x采用dtd)。第三步采用基于xslt的验证方法，对cml的内容进行分析。比如可以通过xslt来判断cml中的原子化合价是否合法，化合物中两个原子之间的距离是法合法等。 　　2.3 cml至smiles的转换与smiles的存储 　　smiles是一种线性的用ascii码来表示原子和化学键的化学语言。和其它化学结构表示方法相比，smiles简短易读。同一种化学结构用smiles来表示要比用连接表(connection table)节省50%至%70的存储空间。典范smiles能够保证每个化学结构的smiles具有唯一性，因而常被作为化学数据库中的索引关键字。 　　cml 到smiles的转换，本设计采用开源软件openbabel提供的api函数。obconversion为转换类，转换伪码如下： 　　obconversion conv(cin，cout); 　　if(conv.setinandoutformats(“smi”，“mol”)) 　　{obmol mol;if(conv.read(mol)) ...manipulate molecule conv-gt;p;mol);} 　　thor server是一后台程序，不允许用户直接对其操作，用户必须通过thor client对thor server进行操作。用户通过thor client将cml转换后的smiles及cml所在的文档url、当前访问时间等存入thor数据库，并以smiles作为记录的主关键字。本系统根据daylight提供的thor-merlin toolkit来编写client。client通过server???对thor数据库进行操作。 　　2.4用户界面设计初探 　　用户可以直接输入要检索的化学结构的smiles码，或者根据提供的jme(jme是由peter ertl开发的java applet，用于在网页上直接描绘化学结构)画出要检索的2d化学结构图，并指定结构检索的类型，jme会自动把用户画出的化学结构转化为smiles码进行检索。 　　 　　3 总结 　　 　　本