Upload
eustache-michaud
View
108
Download
3
Embed Size (px)
Citation preview
Atelier ‘Bases de données’ du GDR PARIS 7-8 avril 2004 Strasbourg
Les bases de données chimiquesen France
Claude Laurenço
Laboratoire des Systèmes d’Information ChimiqueUMR 5076 Hétérochimie moléculaire et macromoléculaire
École Nationale Supérieure de Chimie de [email protected] ; http://sic.enscm.fr
Laboratoire d’Informatique, de Robotique et de
Microélectroniquede Montpellier UMR 5506 Université Montpellier II
[email protected] ; http://www.lirmm.fr
Un peu d’histoire
MEMEXVannevar BUSH, "As We May Think" Atlantic Monthly, 1945
http://www.theatlantic.com/flashbks/bushf.htm
• The memex is a device in which an individual stores all his books, records, and communications, and which is mechanized so that it may be consulted with exceeding speed and flexibility ....
• Wholly new forms of encyclopedias will appear, ready made with a mesh of associative trails running through them, ready to be dropped into the memex and there amplified ....
• The chemist, struggling with the synthesis of an organic compound, has all the chemical literature before him in his laboratory, with trails following the analogies of compounds, and side trails to their physical and chemical behavior ....
Évolution de l’information chimique
0,012 0,2 0,4 1 1,52,2
4
7,2
11,7
17,6
23,6
0
5
10
15
20
25
1907 1917 1927 1937 1947 1957 1967 1977 1987 1997 2004
Progression du nombre des Abstracts publiés par CAS depuis 1907 (en millions)
http://www.cas.org/EO/casstats.pdf
Évolution de l’information chimique
0,7 1,5 2,94,8 6,6
8,812
17,2
63,8
0
10
20
30
40
50
60
70
avant1965
1967 1972 1977 1982 1987 1992 1997 2004
Progression du nombre de substances ayant un CAS Registry Number (enmillions)
Quelques dates
• Années 60– Producteurs d’abstracts et d’index
• CAS, VINITI, ISI …
– Sociétés industrielles• ICI (Crossbow), Hoechst, BASF (IDC) …
• Années 70– CA Search (1976)– Cambridge Structural Database (1977)– MDL (1978) -> MACCS (1979)
http://www.chemheritage.org/explore/timeline/ELECTRON.HTMhttp://www.chemheritage.org/explore/timeline/CC1950.HTM
Quelques dates• Années 80
– J. Med. Chem. (1980)– DARC (1981)– REACCS (1982)– CAS file (1983)– Beilstein Online (1988)
• Années 90– ISIS ; Gmelin Database (1991)– Beilstein CrossFire (1994)– SciFinder (1995)
Sources d’information chimique
• Sources primaires– Articles de journaux, actes de
congrès, thèses, brevets, rapports …
• Sources secondaires– Index et résumés des sources
primaires : Chemical Abstracts, Current Contents …
• Sources tertiaires– Information sélectionnée et évaluée :
mises au point, livres, encyclopédies …
Comment accéder aux bases de données
chimiquesen France
Moyens d’accès aux bases de données chimiques
• Moyens ‘institutionnels’– Serveur TITANE & INIST– SciFinder Scholar– COUPERIN
• Autres moyens– Abonnements online– Abonnements Inhouse– CD Rom– WEB
Serveur national TITANE• Créé en 1995 par le dpt des Sciences Chimiques du
CNRS dans le cadre du GDR « Traitement informatique de la connaissance en chimie organique »
• Installé à l’Université Marseille III sous la responsabilité de A. Baldy
• Partenariat avec le Ministère de l’Éducation Nationale
• Transféré à l’INIST en 2002
• Gestion par INIST-Diffusion• Bases de données ‘tertiaires’ ; requêtes structurales,
sous-structurales, par mots clés, propriétés, références … analyse des résultats
• Formation à l’utilisation des bases par LSIC-ENSCM
http://www.inist.fr/titanesciences
Serveur national TITANE
• Système MDL®ISIS http://www.mdli.com/products
– ISIS/Host ; client : ISIS/Base + ISIS/Draw– Bases de données de molécules
• Available Chemicals Directory (250 000)• Comprehensive Medicinal Chemistry (8 000)• Drug Data Report (132 000)• National Cancer Institute Databases (213 000)• Toxicity Database (158 000)• Metabolite Database (40 000 + 64 000
transformations)
Serveur national TITANE
• Système MDL®ISIS http://www.mdli.com/products
– ISIS/Host ; client : ISIS/Base + ISIS/Draw– Bases de données de réactions (chimie
organique)
• ChemInform Reaction Lib. depuis 1992 (978 000)• Reference Library 1900-1991 (209 000)• Current Synthetic Methodology (75 300)• Derwent Journal of Synthetic Methods (73 300)• Solid-Phase Organic Reactions (17 500)• ORGSYN Database (5 600)
Serveur national TITANE• CrossFire (MDL http://www.mdli.com/products )
– Beilstein (ref. depuis 1771)• 8 millions de composés organiques ; 9 millions de
réactions• 37 millions de propriétés physiques, chimiques et
biologiques associées (350 champs)• 750 000 abstracts et titres indexés de la littérature
primaire de la chimie organique depuis 1980• 500 000 molécules bioactives
– Gmelin (ref. depuis 1772)• 1,6 millions de composés organométalliques et
inorganiques ; 1,3 millions de réactions• Propriétés physiques et chimiques associées (800
champs)• Recherche de catalyseurs et leurs activités
Serveur national TITANE
• Cambridge Structural DatabaseCambridge Crystallographic Data Centre : http://www.ccdc.cam.ac.uk
– Information cristallographique sur 250 000 composés organiques et organométalliques
– Interface graphique d’interrogation, visualisation 3D, calculs : analyses numériques, statistiques et graphiques
INIST-Bibliosciences
• Bases de données– PASCAL (INIST)
• multidisciplinaire, dont 5% de chimie = 775 000 références depuis 1987
– CURRENT CONTENTS Search (ISI/SilverPlatter)
– SIGLE (EAGLE)
• multidisciplinaire ; couvre la littérature grise en Europe; 781 000
références depuis 1980
– INIS (AIEA)
• couvre le domaine des sciences et technologies nucléaires; 2,2
millions de références depuis 1970 ; chimie, matériaux, sciences de
la Terre, de la vie et de l’environnement, rayonnement, ingénierie
et technologies, physique …
http://www.inist.fr/bibliosciences
SciFinder Scholar
• Depuis 2002 – À l’initiative du Ministère de l’Éducation Nationale,
en partenariat avec le dpt SC du CNRS– Gestion juridique et financière par l’ABES– Gestion locale par les BIU
• Interrogation croisée de 4 bases de données produites ou diffusées par CAS– CAplus – MEDLINE– CAS REGISTRY– CASREACT
http://www.cas.org/SCIFINDER/SCHOLAR
SciFinder Scholar
• Bases de données bibliographiques– CAplus
• 23,6 millions d’enregistrements depuis 1907; analyse de 1500 journaux essentiels en chimie et surveillance de 9000 journaux ; actes de congrès ; rapports ; thèses ; brevets …
• Tous les domaines de la chimie et du génie chimique
– MEDLINE (US National Library of Medecine)• 13 millions de références depuis 1958 ; 3900 journaux du
domaine biomédical
• Requêtes en langage naturel ; procédures de tri des résultats selon différents points de vue …
SciFinder Scholar
• Bases de données de molécules & de réactions– CAS REGISTRY
• 23 millions de substances organiques et inorganiques et 41
millions de bioséquences, depuis 1907
• Structures 2D, noms CAS et autres, CAS RN, propriétés calculées
– CASREACT (CAS, VINITI, ZIC, INPI)• 7,7 millions de réactions organiques, mono et multi-étapes• 426 000 publications
• Requêtes structurales et sous-structurales, par RN, par nom, par rôle …
COUPERIN
COnsortium Universitaire de PERIodiques Numériqueshttp://couperin.cines.fr
• Créé en 1999 pour :– Mutualiser les moyens des bibliothèques universitaires– Négocier avec les éditeurs de périodiques numériques
• L’accès aux journaux en ligne permet l’utilisation des services– ChemPort dans SciFinder Scholar– LitLink dans ISIS (n’est pas disponible actuellement sur
TITANE)
Coûts d’accès à l’information• Facturation de l’INIST en 2004 aux laboratoires ou
groupes de laboratoires– Beilstein : 3450 € HT pour 4 postes, 540 € HT par poste
supplémentaire– Gmelin : 1025 € HT par poste– ISIS : 3125 € HT pour 3 postes, 438 € HT par poste
supplémentaire– Y compris 10% de gestion par INIST-Diffusion
• Abonnement des BIU à SciFinder en 2004– $ 57 712 HT moins 37 % de prise en charge par le
Ministère et le CNRS soit : $ 36 358 HT pour 3 accès simultanés
– $ 15 596 HT pour le passage de 3 à 5 accès simultanés
Chez nos voisins
• Grande Bretagne– Chemical Database Service (créé en 1992)
• Service analogue à TITANE• En plus :
– données spectroscopiques : SpecInfo/SpecSurf– Données physicochimiques : Detherm et ELYS
– MIMAS• Beilstein et Gmelin CrossFire• ISI Web of knowledge
– JISC = Joint Information Systems Commitee
Libre accès pour les universitaires britanniques
Chez nos voisins
• Pays-Bas– Centre for Molecular and Biomolecular
Informatics (créé en 1985)• Service analogue à TITANE pour la chimie• En plus :
– Planification de synthèse : LHASA– Modélisation moléculaire– Chimie théorique– Moyens de visualisation des structures
– Consortium de 10 universités néerlandaises– Libre accès pour les universitaires
Autres moyens d’accès aux bases de données
chimiques• Abonnements Online
– STN, Questel-Orbit, Dialog, SilverPlatter, THOMSON, Wiley, Thieme Verlag ….
• Abonnements Inhouse– Accelrys, Chemical Concepts, ADC/Labs …
• CD Rom– RSC, INRS
• Accès gratuit sur le WEB
STN International
• Scientific & Technical Information Network– FIZ, ACS, JST– Plus de 210 bases de données– Cluster chimie : 45 bases– Cluster métaux : 22 bases– Cluster brevets : 24 bases
• MARPAT recherche par formules de Markush
• STN Express et langage Messenger• STN Easy, STN on the WEB• Représenté en France par CAPADOC
http://www.capadoc.com
http://www.stn-international.de
THOMSON
• Derwent World Index http://thomsonderwent.com/products/
– Semble la base de données la plus complète sur les brevets dans tous les domaines
– 11 millions d’enregistrements ; 1,5 millions ajoutés par an
– Recherche par structure de Markush– Accès par différentes voies : STN, Dialog, etc.
• ISI Web of Knowledge http://www.isinet.com
– ISI Web of Science ( … Citation Index) plus ISI Chemistry (Reaction Center & Compound Center)
Thieme Verlag
• Science of Synthesis http://www.science-of-synthesis.com
– Version électronique de Houben-Weyl– 48 volumes, 39 000 pages– 5 000 méthodes– 15 000 schémas de réactions– 150 000 exemples de réactions
Accelrys
• Protecting groups– Littérature depuis 1913– Protection, déprotection et transprotection
des groupes fonctionnels– Chemo et régio-sélectivité– 39 000 réactions
• Failed reactions– 14 000 réactions
• Systèmes ISIS et Accord
http://www.accelrys.com
Chemical Concepts
• SpecInfo Inhouse, SpecInfo Internet– Bases de données de plus de 660 000
spectres de RMN, IR et Masse– Outils de élucidation de structures
http://www.chemicalconcepts.com
ACD/Labs
• Bases de données spectrales• Outils de prédiction
-------------------------------------------------Inventaire des bases de données
spectrales http://www.lohninger.com/spectroscopy/dbsurvey.html
http://www.acdlabs.com
Accès gratuit sur le Web• Métabases de données
– Université de Sheffield http://www.chemdex.org– Chemical Database Service
http://cds.dl.ac.uk/cds/other_info_and_links/cheminf.html– Université de Liverpool, section chimie de la www.virtual Library : http://www.liv.ac.uk/Chemistry
• La page ‘Chemical Databases’ pointe sur 107 URL– Répertoire Galaxy http://www.galaxy.com/Science/Chemistry– Université de Haute-Alsace
http://www.scd.uha.fr/info_net_sciences.html– Bibliothèque Nationale de France
http://www.bnf.fr/pages/liens/d3/chim-d3.html– URFIST de Lyon, répertoire des bases de données gratuites
disponibles sur internet http://dadi.enssib.fr/– ChemWeb http://www.chemweb.com
• IUPAC http://www.chem.qmul.ac.uk/iupac http://www.iupac.org– Glossaires, Gold Book ….
Accès gratuit sur le Web• NIST (National Institute of Standards and Technology)
– Portail donnant accès à plus de 80 bases de données http://www.nist.gov/srd/chemistry.html
• Données physico-chimiques : thermodynamique et cinétique chimiques, spectres d’IR, de masse, d’UV-visible, etc. Constantes physiques.
• Base IUPAC-NIST des solubilités (30 000 mesures, 1028 substances …)
• NCSM (National Center for Manufacturing Sciences)– SOLV-DB http://solvdb.ncms.org
• Propriétés physiques et chimiques, catégories, sécurité, risques, fournisseurs ….
• Brevets– ‘Patent Information on the Internet’
http://www.chimia.ch/issues/toc/0005/Stauffer_Etscher_Litscher.pdf– Office européen des brevets http://ep.espacenet.com– http://www.delphion– http://www.uspto.gov/patft
Coût de la base de données Beilstein
• Réalisée par l’Institut Beilstein de 1983 à 1992 avec des fonds de l’État Fédéral Allemand (BMFT) = 31 M€
• Base + infrastructure = 28,6 M€• 1ère implantation sur STN = 2,3 M€
E. Zass, J. Chem. Inf. Comput. Sci. 1996, 36, 942-948R. Luckenbach, J. Chem. Inf. Comput. Sci. 1996, 36, 923-
929
Bases de données chimiques réalisées en
France
Bases de données chimiques françaises
• THERMODATA (avec INPG et UMS818 du CNRS ‘TherMa’) depuis 1974 http://thermodata.online.fr/thermafr/activite.html– 5 bases de données thermochimiques et suite logicielle ThermoSuite
permettant d’accéder aux propriétés thermodynamiques de 5000 substances et d’effectuer des calculs d’équilibres de phases dans des systèmes complexes.
• Thermochemical Database Project (TDB) http://www.nea.fr/html/dbtdb– Agence pour l’énergie nucléaire de l’OCDE
• Common Thermodynamic Database Project (CTDP) http://ctdp.ensmp.fr– Ensmp, CEA, EDF, IFP, IRSN, TOTAL
• BASSIST base de données thermodynamiques (radionucléides), CEA
Bases de données chimiques françaises
• SXD (UMR 7551) http://ulpchim.u-strasbg.fr/~sxd/pub
– Base de données expérimentales sur l’extraction liquide-liquide des métaux
• Database of Palladium Chemistry– Réactions, cycles catalytiques, paramètres chimiques– Développée par J.-L. Malleron et A. Juin (Aventis Pharma)– Distribuée en CD Rom par Elsevier/Academic Press
http://intl.elsevierhealth.com/catalogue
• Bases de données structurales sur les saccharides (CERMAV-CNRS) http://www.cermav.cnrs.fr
Bases de données chimiques françaises
• Chirbase (ENSSPICAMM-Université Marseille III)
http://chirbase.u-3mrs.fr– Bases de données sur les séparations chirales d’énantiomères
par chromatographie (95 000 séparations, 30 000 structures moléculaires)
– Système ISIS
• Diverses bases de données sur la gestion des produits chimiques– Voir ‘Profil français pour évaluer les capacités nationales de
gestion des produits chimiques’ http://www.industrie.gouv.fr/pratique/conseil/pdf/profil2000.pdf– Notamment l ’annexe 2 sur les bases de données (cf. bases de l’INRS)
http://www.industrie.gouv.fr/pratique/conseil/pdf/a2-prof2.pdf
Bases de données chimiques françaises
• Projet EuroSpec (INRA et partenaires européens)
http://www.eurospec.org– Développer une base de données spectroscopiques issues
de publications– Obtenir le soutien des éditeurs– Financement européen
• NMRShiftDB (Max-Planck-Institute) http://www.nmrshiftdb.org
– Open-source & open-content database
Quelques défauts des bases de données de
réactions• Le modèle de la réaction chimique adopté est trop imprécis
: les données sont hétérogènes car les schémas représentent indistinctement des réactions mono-étape et multi-étapes
• Le modèle n’est pas hiérarchique : les données sont ‘à plat’ et relatives à des réactions particulières
• Certains algorithmes sont défectueux ou inadaptés : notamment la détermination automatique du ‘mapping’
• Le contenu des bases reflète-t-il l’état actuel des connaissances? Exhaustivité? Résultats négatifs?
J. Coste, O. Gien, A. Dietz et C. Laurenço , L’Actualité Chimique (1999)
Quels progrès?
• Conception de nouveaux systèmes– ingénierie des connaissances : modèles, ontologies
…– technologies Web– construction de bases de données à partir
d’expérimentations programmées
• Amélioration des systèmes existants– modèles– extraction de connaissances à partir des bases de
données ; organisation des données ; métadonnées
Extraction de connaissances à partir de
bases de données
base de données
données ciblesdonnées pré-traitées
données transformées
modèles
connaissances
sélection
pré-traitement
transformation
fouille de données
interprétation/évaluation
analyste
Une (?) réaction dans une base de données ISIS
Une (?) réaction dans une base de données ISIS
l’exemple de la Chimiothèque Nationale
du CNRS
La Chimiothèque Nationale
• « Groupement de Service » créé en juillet 2003 par une convention entre le CNRS et 17 établissements de l'enseignement supérieur et de la recherche publique
• Mission : fédérer et valoriser les collections de produits de synthèse et d'extraits de substances naturelles existants dans les laboratoires publics français
• Plus de 20.000 substances répertoriées mi-2003
http://chimiotheque-nationale.ujf-grenoble.fr/GDS/index.html
La Chimiothèque Nationale
Objectifsrapidement :
• Diffusion via le web de la disponibilité des substances (requêtes structurales et sous-structurales)
à terme :
• Enrichissement par des descripteurs structuraux
• Couplage chimiothèque-ciblothèque
• Criblage virtuel• Etc.
La Chimiothèque Nationale
système d’information et flux de données
Base de donnéesnationale
Traitementdes
requêtes
Fichierlog
laboratoire
serveur national
Utilisateur
Base de donnéeslocale1
3
diffusion
4
5
72
Fusion desdonnées
6
WEB
FormatStandard
(SDF normalisé)
La Chimiothèque Nationale
synthèse des solutions étudiées
ORACLE
Client
Serveur
Couche métier
SGBD
Plate-forme
MDL Draw +devt à façon
Windows Appl. Server
Windows Server
Accord Dev. Studio ProAccord Grid Control Pro
MDL Draw +devt à façon
BEA WeblogicJSP
Windows Serverou Solaris
Apache+ ASP
Linux Redhat
Solution MDL(licence par nb
d’utilisateurs nommés)
Solution ACCELRYS(licence par nb
d’utilisateurs nommés)
Solution ID-BS(licence par nb
d’utilisateurs nommés)
MDL FrameWork Accord Enterprise Activity Base
SGBD pour la chimie :principales solutions commerciales
Domaines couverts
synthèse
Analyse
modélisation
QSAR
architecture
autonome
Client/Serveur
API
1) Accord Enterprise (accelrys.com)2) DS Accord for Excel (accelrys.com)3) Chemfolder (acdlabs.com)4) Web Librarian (acdlabs.com)5) KnowItAll (knowitall.com)6) ChemOffice (camsoft.com)7) ChemOffice Ent. (camsoft.com)8) JchemBase (chemaxon.com)9) MOE Database (chemcomp.com)10) SpecInfo (chemicalconcepts.com)11) Hyperchem (chemistrysoftware.com)12) MOLSEARCH (molsearch.com)
13) DayCart (daylight.com)14) THOR / MERLIN (daylight.com)15) ActivityBase (idbs.co.uk)16) SciDex (lci-publisher.com)17) Isentris (mdli.com)18) ISIS/Desktop (mdli.com)19) ISIS/Host (mdli.com)20) C@rol (mol-net.de)21) misearch toolkit (cheminspiration.com)22) ChemTK (sageinformatics.com)23) Ched (timtec.com)
2,3,5,6,9,11,12,1825,26
1,4,7,8,9,10,15,16,17,19,20,21,23
1,3,4,6,7,8,11,13,14,15,16,17,18
1,2,3,4,6,7,8,13,14,15,17,18,19,23
3,4,6,7,8,10,11,23
3,4,5,6,7,8,9,10,11,20
1,2,4,5,6,7,8,9,11,12,13,14,15,16,17,18,19,20,21,22
Futur?• Internet Interspace : infrastructure d’information
permettant de naviguer d’un concept à un autre (plutôt que d’un document à un autre) à travers des réseaux d’entrepôts de données maintenus par des communautés scientifiques spécialisées dans des domaines plus ou moins restreints.
R.B. Schatz, Computer, 2002, 54-62
• Problème de l’information chimique– Production, diffusion, conservation, exploitation– Libre accès à l’information scientifique– Normalisation des données, développement d’ontologies de la
chimie– Cahiers de laboratoire électroniques
http://pubs.acs.org/hotartcl/ci/00/jan/inet.html
– ….
Remerciementsà
Ph. Jauffret & J. Coste