ஆதாயங்கள்:
- மூலக்கூறுகளை பெயரால் அல்ல, ஆனால் கட்டமைப்பு பிரதிநிதித்துவத்தின் மூலம் அடையாளம் காணும் திறன் (மனிதர்களுடன் புன்னகைகள், தரவுத்தளத்துடன் InChI/InChIKey)
- RDKit மூலம் செயற்கை நுண்ணறிவால் கொடுக்கப்பட்ட ஒவ்வொரு புன்னகையையும் பாகுபடுத்துதல், சரிபார்த்தல் மற்றும் நியமனம் செய்வதன் மூலம் தவறான அல்லது தவறான கட்டமைப்புகளைக் கண்டறியும் திறன்
- மூலக்கூறு எடை மற்றும் சூத்திரம் போன்ற தீர்மானகரமான அளவுகள் மொழி மாதிரியிலிருந்து அல்ல, விதி அடிப்படையிலான கருவியிலிருந்து பெறப்பட வேண்டும் என்பதை புரிந்து கொள்ள முடியும்.
வேதியியலில் AI ஐப் பாதுகாப்பாகப் பயன்படுத்துவதற்கான முதல் நிபந்தனை, இயந்திரமும் மனிதனும் புரிந்துகொள்ளக்கூடிய மொழியில் மூலக்கூறை எழுதுவதாகும். நீங்கள் "பீனால்" என்று சொல்கிறீர்கள், AI அதை சரியாகப் பெறுகிறது; ஆனால் நீங்கள் "அமிலம்" என்று சொல்லும்போது ஆயிரக்கணக்கான சாத்தியங்கள் உள்ளன. பெயர்கள் தெளிவற்றவை; கட்டமைப்பு பிரதிநிதித்துவங்கள் துல்லியமானவை. இந்த அலகில், மூலக்கூறை உரையாக (SMILES மற்றும் InChI) மொழிபெயர்க்கும் இரண்டு அடிப்படைக் குறியீடுகளையும், அவற்றைத் தீர்மானமாகச் சரிபார்க்கும் கருவியையும் (RDKit) கற்றுக்கொள்வோம். எங்கள் குறிக்கோள்: AI க்கு ஒருபோதும் தவறாகப் புரிந்து கொள்ளாத வகையில் மூலக்கூறைக் கொடுப்பது மற்றும் AI ஆல் உருவாக்கப்பட்ட கட்டமைப்பை ஒரு கருவி மூலம் உறுதிப்படுத்துவது.
SMILES என்றால் என்ன?
SMILES (Simplified Molecular-Input Line-Entry System) என்பது ஒரு மூலக்கூறை உரையின் ஒற்றை வரியில் எழுதும் ஒரு வடிவமாகும். அணுக்கள் எழுத்துக்களாலும், பிணைப்புகள் குறியீடுகளாலும், மோதிரங்கள் எண்களாலும் குறிக்கப்படுகின்றன. எடுத்துக்காட்டுகள்:
- எத்தனால்: CCO (கார்பன்-கார்பன்-ஆக்ஸிஜன்; ஹைட்ரஜன்கள் மறைமுகமாக).
- பென்சீன்: c1ccccc1 (சிறிய எழுத்து "c" நறுமண கார்பனைக் குறிக்கிறது; 1 வளையத்தை மூடு).
- ஆஸ்பிரின்: CC(=O)Oc1ccccc1C(=O)O.
- காஃபின்: Cn1cnc2c1c(=O)n(C)c(=O)n2C.
ஸ்மைல்ஸின் சக்தி என்னவென்றால், அது முழு இணைப்பு அமைப்பையும் ஒரே வரியில் கொண்டு செல்கிறது; அதன் பலவீனம் என்னவென்றால், ஒரே மூலக்கூறு பல செல்லுபடியாகும் புன்னகைகளைக் கொண்டிருக்கலாம் (இது நியமனம் அல்லாதது என்று அழைக்கப்படுகிறது). இதை ஒரு நொடியில் RDKit மூலம் தீர்ப்போம்.
குறிப்பு: ஒரு மூலக்கூறுக்கான "நியாயமான புன்னகை" என்பது அந்த மூலக்கூறின் ஒற்றை, நிலையான எழுத்துப்பிழை ஆகும். இரண்டு புன்னகைகள் ஒரே மூலக்கூறா என்பதைப் பார்க்க, அவற்றை நியதி செய்து ஒப்பிடவும்; அவை உரையில் சமமாக இருக்கக்கூடாது, ஆனால் அவை சம மூலக்கூறுகளாக இருக்க வேண்டும்.
InChI என்றால் என்ன?
InChI (சர்வதேச இரசாயன அடையாளங்காட்டி) என்பது IUPAC ஆல் உருவாக்கப்பட்ட ஒரு நிலையான அடையாளங்காட்டியாகும். SMILES இலிருந்து வித்தியாசம் என்னவென்றால், அதே மூலக்கூறு எப்போதும் ஒரே InChIயை அளிக்கிறது; அதாவது, இது நியதி இயல்பில் உள்ளது. இது நீண்ட மற்றும் படிக்க கடினமாக உள்ளது, ஆனால் தரவுத்தள பொருத்தத்திற்கு ஏற்றது. சுருக்கமாக "InChIKey" (27-எழுத்துக்கள் டைஜஸ்ட்) தேடலுக்குப் பயன்படுத்தப்படுகிறது.
- ஆஸ்பிரின் InChIKey: BSYNRYMUTXBXSQ-UHFFFAOYSA-N.
விதி: மக்கள் ஸ்மைல்ஸ் (படிக்க) பேசுகிறார்கள், இயந்திரங்கள் மற்றும் தரவுத்தளங்கள் InChI/InChIKey (சரியாக) பொருந்துகின்றன. AIக்கு புன்னகை கொடுங்கள்; InChIKey உடன் தரவுத்தளத்தில் உறுதிப்படுத்தவும்.
RDKit: உறுதியான சரிபார்ப்பு இயந்திரம்
RDKit ஒரு திறந்த மூல வேதியியல் நூலகமாகும். மொழி மாதிரியைப் போலன்றி, இது விதி அடிப்படையிலானது: புன்னகையை அலசுகிறது, மூலக்கூறு எடையைக் கணக்கிடுகிறது, நியமன புன்னகைகளை உருவாக்குகிறது, InChI/InChIKey ஐத் தருகிறது, மூலக்கூறை வரைகிறது. எனவே AI "கணிக்கிறது" என்பதை RDKit "கணக்கிடுகிறது". இது பணிப்பாய்வுகளின் இதயம்: AI உருவாக்குகிறது, RDKit சரிபார்க்கிறது.
ஒரு அடிப்படை சரிபார்ப்பு ஓட்டம்:
rdkit இலிருந்து இறக்குமதி Chemfrom rdkit.Chem இறக்குமதி விளக்கங்கள், டிராஸ்மைல்ஸ் = "CC(=O)Oc1ccccc1C(=O)O" Chem.MolToSmiles(mol)) print("மூலக்கூறு சூத்திரம்:", Chem.rdMolDescriptors.CalcMol)) எடை, அச்சு வடிவம்"(Mole) சுற்று(Descriptors.MolWt(mol), 2), "g/mol") பிரிண்ட்("InChIKey:", Chem.MolToInchiKey(mol))
MolFromSmiles எதுவும் இல்லை என வழங்கினால், AI உங்களுக்கு தவறான மூலக்கூறை வழங்கியது; இது மட்டுமே மிகவும் மதிப்புமிக்க எச்சரிக்கை. செல்லுபடியாகும் எனில், மூலக்கூறு எடைக்கான மொழி மாதிரியை நீங்கள் இனி கேட்க வேண்டியதில்லை; அது உறுதியாக உங்கள் கைகளில் உள்ளது.
படிப்படியாக: AI + RDKit இடைச்செயல்பாடு
- மூலக்கூறை அடையாளம் காணவும்: AI க்கு பெயரைக் கொடுங்கள், புன்னகையைக் கேளுங்கள். எடுத்துக்காட்டாக, "பாராசிட்டமாலுக்கான நியமன புன்னகைகளை சரிபார்க்கவும்."
- சரிபார்க்கவும்: MolFromSmiles மூலம் உள்வரும் புன்னகைகளை அலசவும். எதுவும் இல்லை என்றால், நிராகரிக்கவும்.
- நியமனம்: MolToSmiles மூலம் நியமன எழுத்துப்பிழைகளை மீட்டெடுக்கவும்; இனிமேல் இதை எப்போதும் பயன்படுத்துங்கள்.
- எண்களைக் கணக்கிடுங்கள்: மூலக்கூறு எடை, சூத்திரம், வளையங்களின் எண்ணிக்கை, ஹைட்ரஜன் பிணைப்பு நன்கொடையாளர்கள்/ஏற்றுக்கொள்வோர் எண்ணிக்கை போன்றவற்றை RDKit இலிருந்து பெறுங்கள், AI இலிருந்து அல்ல.
- ஐடி சரிசெய்தல்: InChIKey ஐ உருவாக்கவும், தரவுத்தளத்தில் (PubChem) தேடவும், மூலக்கூறு உண்மையில் நீங்கள் விரும்பும் கலவை என்பதை உறுதிப்படுத்தவும்.
நகலெடுக்கக்கூடிய நான்கு வார்ப்புருக்கள்
1) புன்னகையைக் கோருதல் (பெயர்ச்சொல்லில் இருந்து அமைப்பு வரை):
பணி: பின்வரும் கலவைக்கு நியதியான SMILES ஐக் கொடுங்கள். கலவை: பாராசிட்டமால் (அசெட்டமினோஃபென்). விதி: SMILES சரம் மற்றும் InChIKey ஆகியவற்றை மட்டும் கொடுங்கள், மேலும் எந்த விளக்கத்தையும் சேர்க்க வேண்டாம். உங்களுக்கு உறுதியாக தெரியவில்லை என்றால், "UNSURE" என்று எழுதுங்கள், உருவாக்க வேண்டாம்.
2) SMILES சரிபார்ப்பு கோரிக்கை (கட்டமைப்பிலிருந்து கட்டுப்பாடு வரை):
கீழே உள்ள ஸ்மைல்களை ஆராயவும்: CC(=O)Nc1ccc(O)cc1கேள்விகள்:1) இது சரியான புன்னகையா?2) இது எந்த கலவையுடன் ஒத்துப்போகிறது (பொது பெயர்)?3) மூலக்கூறு சூத்திரம் என்ன?குறிப்பு: RDKit மூலம் சரியான மூலக்கூறு எடையை கணக்கிடுவேன்; நீங்கள் உங்கள் கட்டமைப்பு விளக்கத்தை மட்டும் கொடுக்கிறீர்கள்.
3) இரண்டு பிரதிநிதித்துவங்களை ஒப்பிடுதல்:
என்னிடம் இரண்டு புன்னகைகள் உள்ளன:A) OCCB) CCOTask: இவை ஒரே மூலக்கூறா அல்லது வேறுபட்டதா? உங்களின் நியாயத்தை எழுதுங்கள்.குறிப்பு: உங்கள் பதிலை RDKit இல் நியமனம் செய்வதன் மூலம் நான் அதைச் சரிபார்ப்பேன்.
4) கட்டமைப்பு விளக்கம் (கற்றல் நோக்கங்களுக்காக):
புன்னகைகள்: Cn1cnc2c1c(=O)n(C)c(=O)n2CTask: இந்த ஸ்மைல்ஸை துண்டு துண்டாகப் படித்து, ஒவ்வொரு சின்னத்திற்கும் (அணு, பிணைப்பு, மோதிரம், நறுமணம்) என்ன அர்த்தம் என்பதை எளிய துருக்கியில் விளக்கவும். அது எந்த கலவை என்பதையும் சொல்லுங்கள்.
பலவீனமான வரியில் / வலுவான வரியில்
பலவீனமான:
அசிடமினோபனின் பண்புகளைக் கொடுங்கள்.
"அம்சம்" தெளிவற்றது; AI ஆனது மூலக்கூறு எடையிலிருந்து உருகும் புள்ளி வரை சீரற்ற எண்களை உருவாக்குகிறது, அவற்றில் சில தவறாக இருக்கும்.
வலுவான:
கலவை: அசெட்டமினோஃபென்.1) கேனானிகல் ஸ்மைல்ஸ் மற்றும் இன்சிகே வெர்.2) மூலக்கூறு சூத்திரத்தைக் கொடுங்கள். விதி: மூலக்கூறு எடை, உருகும் புள்ளி போன்ற எண் மதிப்புகளைக் கொடுக்க வேண்டாம். நான் அவற்றை RDKit/PubChem உடன் பெறுவேன். கட்ட ஐடி மட்டும் கொடுங்கள்.
வித்தியாசம்: AI ஐ அதன் வலிமையான (கட்டமைப்பு அடையாளம்) மற்றும் பலவீனமானவற்றிலிருந்து (பரிசோதனை எண்கள்) திசை திருப்பினோம்.
பதிவுகளின் ஒப்பீடு
அம்சம்
புன்னகைகள்
InChI / InChIKey
வாசிப்புத்திறன்
உயர் (மக்கள் நட்பு)
குறைந்த (இயந்திர நட்பு)
நியமனம்
மாற்றத்திற்கு உட்பட்டது (நியமனம் தேவை)
இயற்கையாக ஒற்றை
பயன்பாடு
மனித தொடர்பு, வரைதல், உள்ளீடு
தரவுத்தள பொருத்தம், அடையாளம்
ஸ்டீரியோ கெமிஸ்ட்ரி
ஆதரவுகள் (@ சின்னங்கள்)
ஆதரவுகள் (அடுக்கு)
AI க்கு கொடுக்க
சிறந்த
உறுதிப்படுத்தலுக்கு ஏற்றது
சிறிய வழக்குகள்
வழக்கு 1 - இரண்டு பெயர்கள், ஒரு மூலக்கூறு. ஒரு மாணவர் "N-acetyl-para-aminophenol" மற்றும் "paracetamol" ஆகியவை வெவ்வேறு கலவைகள் என்று நினைத்து இரண்டு தனித்தனி சோதனைகளைத் திட்டமிட்டார். RDKit இல் அவர்களின் புன்னகையை நியமித்த போது, அவர்கள் இருவரும் CC(=O)Nc1ccc(O)cc1 ஆக மாறினார்கள்; அதே மூலக்கூறாக இருந்தது. இழந்தது: அரை நாள் திட்டமிடல்; ஆதாயம்: 2-நிமிட நியமனச் சோதனை மூலம் தவிர்க்கப்பட்டிருக்கலாம்.
வழக்கு 2 - தவறான ஸ்மைல்ஸ் பிடிப்பு. AI ஆனது ஒரு மாறுபாட்டிற்கு CC(=O)Nc1ccc(O)cc1C(அடைப்புக்குறிகள் மூடப்படவில்லை) என்று திரும்பியது. மாணவர் MolFromSmilesஐ இயக்கினார், அது ஒன்றுமில்லை என்று திருப்பி அனுப்பியது, உடனடியாகப் பிழையைப் பார்த்து, சரிசெய்த SMILESஐக் கோரியது. சரிபார்ப்பு இல்லாமல், தவறான அமைப்பு அனைத்து கணக்குகளுக்கும் பரவியிருக்கும்.
வழக்கு 3 - தவறான மூலக்கூறு எடை. இப்யூபுரூஃபனுக்கு (C13H18O2) "மூலக்கூறு எடை 214.3 g/mol" என்று YZ கூறியது. RDKit கணக்கீடு 206.28 g/mol கொடுத்தது. 0.1 மோலுக்கான வேறுபாடு: YZ உடன் 21.43 கிராம், உண்மையில் 20.63 கிராம். இந்த 3.9% வேறுபாடு ஸ்டோச்சியோமெட்ரி மற்றும் மகசூல் கணக்கீட்டை சீர்குலைக்கும். இது உறுதியான கால்குலஸைக் கொண்டு வந்தது.
பொதுவான தவறுகள்
- பெயரால் மூலக்கூறைக் கொடுப்பது. ஒத்த சொற்கள்/வர்த்தகப் பெயர்கள் குழப்பமடைகின்றன. எப்போதும் SMILES அல்லது InChIஐச் சேர்க்கவும்.
- ஸ்மைல்களை நியதியாக்காமல் ஒப்பிடுதல். OCC மற்றும் CCO ஆகியவை உரையில் வேறுபட்டவை ஆனால் மூலக்கூறுகளில் ஒன்றுதான்.
- நாக்கு மாதிரி மூலக்கூறு எடையைக் கேட்கிறது. இது ஒரு உறுதியான கணக்கீடு; இது RDKit இலிருந்து அல்லது சூத்திரத்திலிருந்து கைமுறையாக செய்யப்படுகிறது.
- தவறான புன்னகையை கவனிக்கவில்லை. MolFromSmiles எதுவுமில்லை மற்றும் தவறான கட்டமைப்பைத் தொடர்வதைச் சரிபார்க்கவில்லை.
- ஸ்டீரியோ கெமிஸ்ட்ரியை புறக்கணித்தல். இரண்டு என்ன்டியோமர்கள் (மிரர் இமேஜ் ஐசோமர்கள்) வெவ்வேறு உயிரியல் விளைவுகளை வெளிப்படுத்தலாம்; SMILES இல் @/@@ குறிகளைத் தவிர்த்தல்.
கவனம்: ஒரே மூலக்கூறு சூத்திரம் வெவ்வேறு மூலக்கூறுகளைக் குறிக்காது. C2H6O என்பது எத்தனால் (CCO) மற்றும் டைமிதில் ஈதர் (COC) ஆகிய இரண்டும் ஆகும். சூத்திரத்தின் சமத்துவம் என்பது அடையாளத்தின் சமத்துவம் அல்ல; அடையாளம் காண InChIKey ஐப் பயன்படுத்தவும்.
சுருக்கமாக
- மூலக்கூறுகளை கட்டமைப்பின் மூலம் அடையாளம் காணவும், பெயரால் அல்ல: மனிதனுடன் புன்னகை, தரவுத்தளத்துடன் InChI/InChIKey.
- RDKit உறுதியானது; AI கணித்துள்ளது, RDKit கணக்கிட்டு சரிபார்க்கிறது.
- ஒவ்வொரு AI ஸ்மைல்களையும் MolFromSmiles மூலம் அலசவும் மற்றும் எதுவுமில்லை என்பதைச் சரிபார்த்து, பின்னர் நியமனம் செய்யவும்.
- RDKit இலிருந்து மூலக்கூறு எடை மற்றும் சூத்திரம் போன்ற எண்களைப் பெறுங்கள், மொழி மாதிரியிலிருந்து அல்ல.
- ஃபார்முலா சமத்துவம் என்பது மூலக்கூறு அடையாளத்தைக் குறிக்காது; அடையாளம் காண InChIKey ஐப் பயன்படுத்தவும்.
விண்ணப்ப பணி
மூன்று கலவைகளைத் தேர்ந்தெடுக்கவும் (எ.கா. காஃபின், இப்யூபுரூஃபன், கிளைசின்). ஒவ்வொன்றிற்கும் AI யிடம் கேனானிக்கல் ஸ்மைல்களைக் கேளுங்கள். பின்னர் ஒரு RDKit ஸ்கிரிப்டை எழுதி (மேலே உள்ள டெம்ப்ளேட்டைப் பயன்படுத்தவும்) மற்றும் உருவாக்கவும்: நியமன புன்னகைகள், மூலக்கூறு சூத்திரம், மூலக்கூறு எடை, InChIKey. AI வழங்கிய ஸ்மைல்களில் எத்தனை முறை செல்லுபடியாகும்? YZ மூலக்கூறு எடையையும் கொடுத்திருந்தால், வித்தியாசத்தை RDKit மதிப்புடன் ஒரு சதவீதமாகக் கணக்கிடுங்கள். உங்கள் கண்டுபிடிப்புகளை ஒரு சிறிய அட்டவணையில் வைக்கவும்.
சரிபார்ப்பு பட்டியல்
- [ ] ஸ்மைல்கள் மற்றும் InChI/InChIKey என்றால் என்ன, அவற்றை எப்போது பயன்படுத்த வேண்டும் என்பது எனக்குத் தெரியும்.
- [ ] AI வழங்கிய ஒவ்வொரு புன்னகையையும் MolFromSmiles மூலம் சரிபார்க்கிறேன்.
- [ ] நான் புன்னகைகளை ஒப்பிடும் முன் அவற்றை நியதியாக்குகிறேன்.
- [ ] நான் RDKit இலிருந்து மூலக்கூறு எடை மற்றும் சூத்திரத்தைப் பெறுகிறேன், மொழி மாதிரியிலிருந்து அல்ல.
- [ ] InChIKey மூலம் தரவுத்தளத்தில் மூலக்கூறு அடையாளத்தை உறுதி செய்கிறேன்.
- ஸ்டீரியோ கெமிஸ்ட்ரி முக்கியமான சூழ்நிலைகளை நான் அறிவேன்.