基于光学结构识别技术的化学知识库构建-北京大学学报医学版.PDF

北 京 大 学 学 报 医 学 版 技术方法 基于光学结构识别技术的化学知识库构建 吕传宇李明娜张亮仁刘振明 北京大学药学院 天然药物及仿生药物国家重点实验室 北京 摘 要 目的构建了一种从科研文献提取关键信息建立化学知识库的流程 方法使用名称转化技术和光学结 构识别软件提取化合物结构使用文献管理软件 获取文献题录信息使用机器学习工具 和人工注释方法提取文献内信息使用计算模拟平台 获取可预测属性关联开源数据库 获取已知生物活性 结果成功建立起一种合理高效的化学知识库构建策略并采用该策略构建了北京 大学海洋天然产物库 结论提出了一种化学知识库的数据汇聚策略提高了化学知识库构建效率并 且基于原始文献使得构建的数据库内容准确全面易于检索 关键词 科学文献光学结构识别数据挖掘化学知识库 中图分类号 文献标志码 文章编号 基金项目 国家自然科学基金 和北京大学医学信息科学交叉学科种子基金项目 资助 网络出版时间 网络出版地址 吕传宇等基于光学结构识别技术的化学知识库构建 科学研究结果通常以文章或专利的形式发 多万条文献 由此可见建立高质量的化学知 表阅读文献是获取医药研发信息最普遍的方式 识库需要投入高昂的人力和时间成本 药物化学家医药情报分析师等在工作过程中需 传统的化学知识库是通过专业人员阅读文献 要查询大量的文献据统计出版化学类文章的学 手动绘制化合物结构人工注释信息的方法构建的 术期刊大约有 家 每年在药物化学及生 这种方式确实需要消耗大量的人力物力和财力 物化学领域公开的新化学结构超过 个 年开始要求作 将文献信息提取并存储为结构化的化学知识库 者在投稿时提交含有化合物 通过数据库进行检索可以帮助科研工作者快速 和基本信息的表 准确地获取情报提高工作效率同时化学知识 单这些文件可以直接导入数据库 然而绝大多 库有利于期刊数据的长期保存以及科研成果的转 数文献只以非结构化数据的形式存在这些数据需 化推广 要研究