Informace a jejich výměna v chemii

Informace v analytické chemii PřF UK, ZS 2016/2017

I. Úvod

Informace a jejich výměna v chemii ■

informace = veškeré údaje, kterými lze popsat věci, jevy či události, které se staly, dějí nebo nastanou

■

bit = nejmenší rozdíl, který znamená rozdíl (0 nebo 1)

■

je známo, že … = bylo publikováno nějakým autorem, někdy a někde, že...

■

nutná podmínka rozvoje exaktních věd – výměna informací

Chemické informační zdroje

Experiment a pracovní záznamy

Rešerše

zpětná vazba Publikace

Historie využití informací v chemii ■

kupelace: bible (Jer. 6, 29)  ČSN EN ISO 11426 (2000)

Plavení, tavba a vážení kovů v Egyptě (asi 2500 př Kr.)

© Karel Nesměrák, 2016

1


I. Úvod


středověk – spis De diversis artibus (12. století)

■

knižní forma předávání nových informací převládá až do poloviny 19. století

■

17. století – první vědecké časopisy: Observationum chymico-physico-medicarum curiosarum mensibus singulis bono cum Deo continuandarum (Frankfurt a Lipsko, 1697)

■

1753 – první chemický časopis: Chemische Experimente einer Gesellschaft in dem Erzgebürge (Berlin)


1862 – první analytický časopis: Zeitschrift für analytische Chemie (vychází dodnes pod názvem Analytical and Bioanalytical Chemistry)

■

1828 – první česká chemická kniha: Lučba čili chemie zkusná

■

1869 – první český chemický časopis: Časopis chemiků českých


2


I. Úvod


20. století ▪ 60. léta – počátky elektronických informačních zdrojů ▪ 90. léta – konstituce chemické informatiky (angl. chemoinformatics) chemická informatika – disciplína, která v sobě zahrnuje návrh, vytvoření, organizaci, ukládání, vyhledávání, analýzu, šíření, zviditelňování a využívání chemických informací, nejenom jako takových, ale také jako nástroj nebo index, který je zastupuje pro získávání jiných dat, informací a znalostí

chemický informační zdroj (dříve chemická literatura) – jakýkoliv dokument nebo jiný informační materiál, nějakým způsobem zveřejněný a dostupný, zachycující informace o chemii a umožňující tak jejich výměnu

Druhy chemických informačních zdrojů ■

primární zdroje

Archivace

časopisy, patenty, normy, diplomové a disertační práce, výzkumné zprávy, materiály odborných konferencí ■

sekundární zdroje

Sumarizace

monografie a kompendia, tabulky, atlasy, sbírky, literatura pro technickou praxi, učebnice, firemní literatura ■

referátové zdroje


Vyhledávání

3


I. Úvod


vznik a studium chemických informačních zdrojů

znalosti

zobecnění

informace

kontext

měření, výpočty

data


„informační explose“ v chemii během 20./21. století ▪ Chemical Abstracts zahrnují více než 43 milionů abstraktů

1000

Počet prací abstrahovaných v CA za jeden rok

800 600

abstrakty [miliony]

práce [tisíce]

▪ Chemical Abstracts evidují více než 120 milionů látek (+ 66 mil. sekvencí)

25 20 15

400

10

200

5

0 1900

1920

1940

1960

1980

rok


2000

Kumulativní počet abstraktů v CA

1900

1920

1940

1960

1980

rok

2000

4


I. Úvod

Formy informačních zdrojů ■

tištěné informační zdroje

■

fotografické formy informačních zdrojů ▪ mikrofilmy ▪ mikrofiše

Formy informačních zdrojů ■

elektronické informační zdroje ▪ elektronické soubory (*.txt, *.doc, *.xls, *.dfb, *.html) ▪ PDF (Portable Document Format) dokumenty ▪ rekonverze, scanování (OCR, Optical Character Recognition) ▪ CD-ROM, DVD, Internet ▪ problémy se stabilitou a kompatibilitou (Digital Dark Age)


5


I. Úvod

Kódování informací ■

typy informačních údajů v chemii ▪ numerické ▪ alfanumerické ▪ topologické (chemické struktury) ▪ grafické (spektrální údaje) – převod ADC (analog-to-digital)

Kódování informací Klíčová slova ■

numerické a alfanumerické údaje ▪ názvy operací, technik, přístrojů ▪ jména autorů, institucí ▪ názvy sloučenin, slitin

■

klíčová slova ▪ nekontrolovaný slovník – tvořená ad hoc ▪ kontrolovaný slovník – rejstříky, thesaurus

■

problémy ▪ varianty pravopisu: sulphur × sulfur, Růžička × Ruzicka × Ruziczka ▪ synonyma

■

seznamy klíčových slov (rejstříky) – permutace, př. Butanamide, 2-(Acetylamino)-3-methyl, (S)-


6


I. Úvod

Kódování informací Popis chemických struktur (topologické údaje) ■

chemické názvosloví ▪ triviální názvy ▪ názvosloví IUPAC ▪ cizojazyčné verse

propionic acid; adofeed; antischim b; carboxyethane; ethanecarboxylic acid; ethylformic acid; luprosil; metacetonic acid; methylacetic acid; monoprop; propcorn; propkorn; prozoin; pseudoacetic acid; toxi-check Šilhánek, J.: Chem. listy 91:4 (1997), 237–250.


sumární vzorce ▪ Hillův systém 1. u sloučenin uhlíku se sumární vzorec píše v pořadí uhlík, vodík a ostatní prvky v abecedním pořadí 2. u neuhlíkatých sloučenin se sumární vzorec píše ve striktně abecedním pořadí prvků 3. posledním kritériem je počet jednotlivých prvků ▪ Richterův způsob zápisu sumárního vzorce: C, H, O, N, Cl, Br, I, F, S, P OH

Br

C2H5BrO × C2H5OBr


7


I. Úvod


CAS Registry Number ▪ unikátní číslo přiřazené každému chemickému individuu (směsi, sekvenci) od Chemical Abstracts Service ▪ široce užíváno v databázích Systematický název sloučeniny

CAS Registry Number

Copper(II) sulfate

[7758-98-7]

Copper(II) sulfate, pentahydrate

[7758-99-8]

1-Butanol

[71-36-3]

2-Butanol

[78-92-2]

(+/–)-2-Butanol

[15892-23-6]

R-(–)-2-Butanol

[14898-79-4]

S-(+)-2-Butanol

[4221-99-2]


kódování chemických struktur ▪ převod grafické informace do alfanumerického formátu ▪ cílem zachování jedinečnosti informace za předpokladu možnosti vyhledávání ▪ fragmentační kódování (Wiswesserova lineární notace) zejména SMILES = Simplified Molecular Input Line Entry Specification, InChI = IUPAC International Chemical Identifier

4-Isopropyl-3-propyl-hept-1-ene C=CC(C(CCC)C(C)C)CCC

Weininger, D.: J. Chem. Inf. Comput. Sci. 28 (1988), 31–36.


8


I. Úvod

Kódování informací ▪ maticové kódování (connection table), např. formát MDL Molfile

▪ řada dalších formátů, např. ChemDraw (*.cdx), Sketch Files (*.skc), HyperChem *.hin

Kódování informací Kombinace kódovaných informací v elektronických bázích dat ■

zkracování částí vyhledávaných termínů (angl. wild card) * = žádné nebo naopak neomezený počet písmen sulf* = sulfur, sulfate, sulfuric, sulfurous, sulfide ? = tolik písmen, kolikrát je ho použito mixe? = mixer, mixed

■

druhy zkracování (angl. truncation) ▪ pravostranné: pow* ▪ uvnitř slova: pow*er = power, powder

■

logické operátory: AND, OR, NOT

■

hierarchické kombinace logických operátorů: (analysis and copper) not titration

■

vždy nutno zkontrolovat zda je v dané bázi uplatnitelné


9

Informace a jejich výměna v chemii

Recommend Documents