有机化合物的命名（科研人不担心有机物命名不规范了）

2022-09-14 03:32:09 发布:网友投稿

热度:150

有机化合物的命名(研究人员不用担心有机化合物的命名不规范)。

“有机化合物怎么能以资源网命名？有机化合物的命名规则是什么？”，“这种药的活性成分是什么？”，“有没有什么软件或者程序可以找到有机化合物的命名？”、“某某命名软件也要花钱。”，“有些软件命名不准确。」 ......

注:部分来自知乎问题。

总之，有机化合物的命名太难，规则太繁琐，没有开源软件。......

AI的发展“兴盛”能否解决上述问题？

现在，莫斯科罗蒙诺索夫州立大学和Syntelly初创公司的研究人员开发了一种基于Transformer的人工神经方法，可以根据IUPAC命名系统生成有机化合物的名称。

它也是开源的，可以在线使用。

我迫不及待地想有一个在线体验，在本文的“使用小攻略”部分。

项目地址:https://app.syntelly.com/smiles2iupac.

IUPAC命名法是有机化合物命名的系统方法，在有机化学中占有重要地位。化学家通常手动创建IUPAC名称，但这个过程容易出错，需要对命名规则有深刻的理解。电脑可以缓解这个问题。化学家可以使用软件工具来生成名字。

然而，对于有机结构到名称的翻译，并没有开源工具。与现有解决方案(如ChemDraw JS和词典hem TK)的许可协议需要特殊许可才能嵌入其他平台。

近日，来自莫斯科罗蒙诺索夫州立大学和Syntelly初创公司的研究人员开发了一种基于Transformer的人工神经方法，根据IUPAC命名系统生成有机化合物的名称。新的解决方案已经在Syntelly平台上实现，可以在线使用。

这项名为“用于化学符号间转换的基于变压器的人工神经网络”的研究发表在7月20日的《科学报告》杂志上。

“起初，我们想为我们的AI化学平台Syntelly创建一个IUPAC名称生成器。很快，我们意识到通过数字化IUPAC规则来创建算法需要一年多的时间，因此我们决定利用我们在神经网络解决方案方面的经验，”该研究的主要作者、Syntelly初创公司的联合创始人Sergey Sosnin说。

循环神经网络(RNN)和Transformer已经成功地应用于自然语言翻译。研究人员基于Transformer构建了一个神经网络，可以将分子从SMILES(简化分子线性输入规范)转换为IUPAC名称，反之亦然。描述了它们的解决方案，讨论了它们方法的优缺点，并表明变压器资源网络可以提供类似人类化学直觉的东西。

结果表明，将SMILES字符串转换为IUPAC名称的Struct2IUPAC模型在PubChem测试集中的准确率达到98.9%。逆向模型(IUPAC2Struct)的准确率为99.1%，相当于开源OPSIN软件(一种用于名称到结构转换的开源工具)。

方法

数据库:深度学习技术需要大量数据。新网络使用全球最大的开放化学数据库PubChem进行培训和测试，包含94，726，085个结构。数据库分为两部分，一部分用于培训，另一部分用于测试。

IUPAC和SMILES标记:标记是将一个序列分成块并划分这些块(标记)的过程。这是语言模型常见的预处理阶段。使用基于字符的SMILES标记，并实现基于规则的IUPAC标记。本文研究的IUPAC标记是人工设计和管理的。该标记可以正确处理来自PubChem的99%以上的分子。

插图:SMILES标记化(上)和IUPAC名称标记化(下)的演示。(来源:论文)

Transformer模型:使用Google团队设计的现代神经架构Transformer作为研究基础，并训练其将分子的结构表示转换为IUPAC名称，反之亦然，Transformer是Google最初设计的最强大的机器翻译神经网络之一。

训练了两个模型:将SMILES字符串转换为IUPAC名称的Struct2IUPAC和执行反向转换的IUPAC2Srtuct。基本上不需要IUPAC2Srtuct模型，因为可以成功使用开源OPSIN。

图形:结构2交流变压器模型。(来源:论文)

验证步骤:使用OPSIN，您可以验证生成的化学名称，以确保它们对应于正确的结构。可以检测到发电机的故障，并且不会显示错误的名称。

图示:验证步骤。(来源:论文)

模型的优缺点。

优点:1。1:structure 2 upac模型的准确率为98.9%。

为了验证模型的质量，研究人员从测试集中随机选择了10万个分子。SMILES-to-IUPAC名称转换器作为验证步骤运行，在测试集中100，000个随机分子的子集上达到98.9%的准确率。

“我们已经证明Transformer能够准确解决算法问题，为软件开发提出了新的范式。它推翻了不应在这类问题中使用它们的普遍观点。在机器翻译中，用资源网的同义词替换一个单词是非常可能的，但是在我们的任务中，一个错误的符号会导致一个错误的分子。但是，Transformer成功完成了这项任务。”索斯宁补充道。

优势二:2:IUPAC 2构建模型的准确率为99.1%。

研究人员将IUPAC和SMILES Transformer模型(IUPAC2Struct)与测试集中基于规则的工具OPSIN进行了比较(表1)。IUPAC 2结构转换器的精度为99.1%，OPSIN为99.4%。

表1:在100，000个不同光束尺寸的分子测试装置上模型的精确度(%)。