科研人不担心有机物命名不规范了有机化合物的命名 _有机化合物

有机化合物的命名（科研人不担心有机物命名不规范了）
「有机化合物怎么命名啊？」、「有机化合物命名规则是什么？」、「这个药物的有效成分叫什么？」、「有没有查找有机化合物命名的软件或程序？」、「某某命名软件还花钱。」、「某软件命名不准确。」......

文章插图

文章插图

【科研人不担心有机物命名不规范了有机化合物的命名】注：部分来自知乎问题。
总之，有机化合物命名太难、规则太繁琐、还没有开源软件......
AI 发展「风生水起」，能否解决以上问题？
现在，来自莫斯科罗蒙诺索夫国立大学和 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，可根据 IUPAC 命名系统生成有机化合物的名称。
而且还开源，可在线使用。
我已迫不及待，进行了在线体验，在本文的「使用小攻略」部分。

文章插图

项目地址：https://app.syntelly.com/smiles2iupac
IUPAC命名法是系统命名有机化合物的方法，在有机化学中发挥着重要作用。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入的了解。计算机可缓解该问题。化学家可使用软件工具来生成名称。
然而，目前还没有用于有机结构到名称翻译的开源工具。与现有解决方案（如 ChemDraw JS 和 LexiChem TK）的许可协议需要特殊权限才能嵌入其他平台。
近日，来自莫斯科罗蒙诺索夫国立大学和 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，并可在线使用。
该研究以《基于 Transformer 的人工神经网络，用于化学符号之间的转换》（Transformer?based artifcial neural networks for the conversion between chemical notations）为题，于 7 月 20 日发表在《Scientific Reports》杂志上。

文章插图

「最初，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 已成功用于自然语言翻译。研究人员构建了一个基于 Transformer 的神经网络，可以将分子从 SMILES（简化分子线性输入规范）表示转换为 IUPAC 名称，反之亦然。描述了他们的解决方案，讨论了其方法的优缺点，并表明 Transformer 可以提供类似于人类化学直觉的东西。
研究结果表明：将 SMILES 字符串转换为 IUPAC 名称的 Struct2IUPAC 模型在 PubChem 的测试集上达到了98.9% 的准确率。反向模型（IUPAC2Struct）达到了 99.1% 的准确率，与开源 OPSIN 软件（名称到结构转换的开源工具）相当。
方法数据库：深度学习技术需要大量数据。新网络使用世界上最大的开放化学数据库 PubChem 进行训练和测试，包含 94,726,085个结构。把数据库分成两部分，一半用于训练，另一半用于测试。
IUPAC 和 SMILES 标记器：标记化是将序列划分为块并划分这些块（标记）的过程。它是语言模型的常见预处理阶段。使用基于字符的 SMILES 标记并实现了基于规则的 IUPAC 标记器。该研究的 IUPAC 标记器是手动设计和管理的。标记器能够正确处理来自 PubChem 的 99% 以上的分子。

文章插图

图示：SMILES 标记化（顶部）和 IUPAC 名称标记化（底部）的演示。（来源：论文）
Transformer 模型：使用由 Google 团队设计的现代神经架构 Transformer ，这是谷歌最初设计的最强大的机器翻译神经网络之一，作为研究的基础，并训练它将分子的结构表示转换为 IUPAC 名称，反之亦然。
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，因为可以成功地使用开源 OPSIN 。