化学信息学（第四版）课件 第一章 化学信息概论

化学信息学课程要求课程内容学习策略课程考核课程大纲应用信息学方法及技术解决化学问题的课程学术搜索，文献数据，共享资源及文献分析管理，AI+化学基础主动性，有效性，实践性的案例教学考勤，上机，考试课程目的要求了解传统的化学文献检。掌握常用文摘数据库、全文数据库、电子期刊、特种信息资源和化学事实数据库的使用，主要是WebofScience、SciFinder、中国期刊网CNKI等的使用。掌握有关化学信息数据库搜索的基础知识。掌握文献管理与分析。了解AI+化学基础推动创新，助力科研。课程使用教材《化学信息学》（第四版），北京：化学工业出版社书号：978-7-122-51268-0，定价：49.80元。教学参考书《化学信息学》，邵学广、蔡文生编著，北京：科学出版社，2001年1月第一版。2005年4月第二版。化学信息学手册-从数据到知识《现代化学信息基础教程》，沈勇、张大经等编著，广州：中山大学出版社，2000年11月。《化学信息学教程》，约翰·加斯泰格尔等，梁逸曾等译，北京：化学工业出版社，2005年1月。Chemoinformatics–ATextbook,J.Gasteiger,T.Engel,WILY-VCH,Germany,2003.教学网站/第一章化学信息概论第一节化学信息与化学信息学

一、化学信息学的产生和发展

二、化学信息学的研究领域

三、信息资源检索的意义与作用

四、化学信息学的课程内容1minute2.5millionshares300Ktweets220KphotosInstagram50KAppsAppStore200millionemails$80Kamazonsales化学信息学的产生和发展化学是实验性学科，目前的理论化学研究无法处理复杂的化学问题，化学家要充分利用大量的化学信息和化学知识，经过实验、数据分析、建模、再实验、再验证的不断完善的过程，将化学实验信息提升为理性的化学知识。计算机与网络技术的发展，化学研究发展了许多新的实验方法，从而得到了大量的实验数据。目前已知的化合物超过4千多万。化学信息量的快速增长，信息的急剧膨胀与有限的学习时间及吸收能力形成了巨大的矛盾，反过来又要求使用计算机和网络对海量信息进行高速和精确的处理和利用，以达到产生和处理的相对平衡。化学信息的收集、处理、管理和利用，必不可少地要借助具有高效和共享性的计算机和网络。

化学物质的数据统计

截止1999年12月31日，美国化学文摘登记的分子、化合物和物相数目已超过2300万种，但有百年历史的MRCK数据库的印刷版MerckIndex，12thEd.(1996)，收录的分子和化合物只有10330种，占0.05%，从最大的试剂商店和药房能买到的药品和试剂不超过1万种左右。所以目前在起作用（包括可为人类服务和为非作歹的）的分子和化合物不到0.05%，而其中有突出贡献的更不到0.001%。99.9%以上的分子深藏在文献库中。

化学信息学的定义K.Brown定义为：“化学信息学是将数据转化为信息和信息提升为知识的总称，其主要目的是在药物先导化合物的辨认及优化领域做出快速决定”。李梦龙等人认为：“化学信息学是利用计算机和计算机网络技术，对化学信息进行表示、管理、分析、模拟和传播，实现化学信息的提取、转化与共享，揭示化学信息的内在实质与内在联系的学科”。G.Paris的定义：“化学信息学是一个一般的术语，它包括化学信息的设计、建立、组织、管理、检索、分析、判别、可视化及使用”。J.Gasteiger的通用的定义：“化学信息学是应用信息学方法解决化学问题的学科”。化学信息学是信息科学与化学的交叉学科。化学信息学的研究领域

化学是研究化学物、化合物性质和化合物转换的学科。化合物和化学反应是化学的二个主要研究对象，对化合物的研究是静态，而对化学反应的研究是动态。化合物的性质与化学结构是密切相关的（构效关系），化学结构的研究也是至关重要的。

化学信息主要来自于由实验测量或理论计算的数据的组合。这些数据包括化合物的物理、化学性质、成分、结构信息和光谱图形等。化学信息经过收集、浓缩、提取和推论才能提升成为化学知识。化学信息学的研究领域（续）

化学信息学应用现代信息技术构建信息处理系统，用于处理大量的化学信息资源，帮助化学家组织、分析和理解已知的科学数据，正确地预测化学物质的性质，开发新化合物、材料和方法。化学信息学的研究，涉及分子模拟、化学结构的编码、检索、化学数据的可视化等研究领域。广义上说，使用信息学方法处理上述化学基本问题都是化学信息学研究领域。换言之，化学信息学所涉及的研究领域为：应用计算机科学方法或信息学解决化学问题，对化学信息进行有效的存储、操作和处理，使化学信息合理地提升为化学知识。

生物信息学的主要研究集中于基因和蛋白质。在传统上，化学信息学以小分子或中等分子（含数百或上千个原子）为研究对象，可用于开发出小分子的新药。生物信息学是研究更大的分子，它可为新药开发提供识别蛋白质目标。定量结构与活性关系分子模拟结构解析化学反应与合成设计化学信息课程的内容国外更多的是将化学信息学视为一个专业方向。除了学习专业化学知识外，还必须学习数据库设计、程序的编写、分子模拟等方面内容，加强其计算机和理论化学的知识水平，且大多属于计算机科学、化学计算和数据分析等领域。国内由于课时的限制，在教学内容和教科书的编写方面，较为狭义的化学信息学定义（化学文献学为主），应是更可接受的。化学信息学除了涉及化学信息的获取、管理、处理、推演和模拟外，近年来化学结构的可视化（以图形的方式对化学信息进行描述）是化学信息学最值得注意的成就之一。

信息资源检索的意义与作用启迪创新：科研工作具有继承和创新两重性，要求科研人员在探索未知进行创新之前，应该尽可能地继承和利用与之相关的信息。拓宽视野：21世纪信息与知识的积累日新月异，出现了大量的边缘科学和交叉科学。面对知识频繁更新的世界，需要接受终身教育，在不断的教育中更新知识，适应环境的变化。培养能力：现代教育不单纯是知识的传授，更重要是要大力进行各种能力的培养，其中包括自学能力、思维能力、研究能力、表达能力、创新能力、终生教育能力、组织管理能力和收集处理信息的能力。

提高素质：信息素质是信息社会中实现对知识的探索和发现的综合能力，它是进入信息社会赖以生存的通行证

。牛顿名言：“如果我比笛卡尔看得远些，那是因为我站在巨人们的肩上的缘故”。第二节电子信息和数据库一、电子信息二、数据库三、在线化学数据库电子信息联机信息资源：具有学科复盖面广，信息资源丰富，信息追溯年代长和查准率高的特点。通过网络享用联机信息资源，使用费用相当昂贵，要具有一定经济实力的单位才可承担。

光盘信息资源：信息量较少，更新周期较长，使用费用低。在网速较慢、经费有限之时，利用光盘数据库仍是一种获取信息的有效途径。

Internet信息资源：Internet可在网络上进行多媒体信息的收集、分类、存放、发布和交流，向网上的用户提供信息检索及其它交互式服务。在WWW页面设计上具有结构合理、可读性强、用户界面友好、及时性强和使用费用低的优点。

电子信息资源以电子数据的形式，将文字、声音、图像等形式的信息存储在光、磁等介质上。电子信息表现形式为文本、超文本、多媒体和超媒体。

记录型文献数据结构

数据库结构

记录的排序和索引

顺排文档：进行检索时，必须以完整的记录作为检索单元，从头至尾逐条查询，检索时间长。

倒排文档：使用标题字段进行倒排的文档，称为标题索引文档。索引是一种加快检索速度的有效手段。

化学信息数据库的类型文献数据库事实数据库结构数据库书目数据库全文数据库专利数据库数值数据库谱学数据库目录数据库计划数据库结构数据库反应数据库数据库的类型

文献数据库：书目数据库、全文数据库、专利数据库。事实数据库：数值数据库、光谱数据库、化合物目录数据库、研究计划数据库。结构数据库：化学结构数据库、化学反应数据库。按化学信息的方式分类：第三节信息检索的方法和步骤一、信息检索方法二、信息检索效果的评价三、信息检索技术四、信息检索步骤信息检索的方法普查法：选择正确的关键词，使用合适的逻辑算符组合检索表达式。阅读检索结果，从中选择符合要求的结果。由近及远进行检索。它是一般的通用方法。追溯法：检索现有的文献、专著、综述，再从其中提供的参考文献为线索进行查询。查阅原文，从中提供的参考文献再进行查询。分引用追溯和被引用追溯二种。追踪法：收集该研究领域专家的姓名，使用作者姓名为检索字段，检索该专家的所有文献，从中挑选需要的部分，并跟踪其最新研究成果。相关法：浏览检索系统的相关记录，从中选择中符合要求的文献。注意数据库自带的相关功能。信息检索效果的评价查全率（R）：检索出的相关信息量（w）与该系统信息库中存储的相关信息量（x）的比率称为查全率，

R=w/x×100%

。查准率（P）：检出的相关信息量（w）与检出信息总量（m）的比率称为查准率，

P=w/m×100%

。漏检率（O）：O

=1–R=1-w/x×100%

。误检率（N）：

N

=1-P=1-w/m×100%

。

如果一个检索系统中与某一课题相关的信息共250条。检索操作后，实际检出了400条信息，其中相关信息为200条，此次检索效率可计算为：R

=[200/250]×100%=80%

O

=

1-80%

=

20%P

=

[200/400]×100%=50%

N

=

1-50%

=

50%信息检索技术

逻辑算符检索：AND，OR，NOT。多数据库使用优先次序为NOT＞AND＞OR

信息检索技术（续）

位置检索：

With（W、nW），表示算符两侧的检索词按此前后衔接的顺序排列，词序不可颠倒。Near（N、nN）表示算符两侧的检索词必须紧密相连，两词词序可变。Subfield（S）表示算符两侧的检索词必须同时出现在文献记录的同一子字段（句子、短语）。Field（F）表示算符两侧的检索词必须同时出现在同一个字段中。Citation（C）表示算符两侧的检索词必须同时出现在一条文献的记录中。Link（L）表示算符两侧的检索词之间有一定的从属关系。截词检索：有限截断（？）和无限截断（*）。截词检索隐含着逻辑或的关系。分为：左截断（前截断）是指检索词与被检索词之间的后部相同（后方一致）；中截断（前后截断）是指检索词与被检索词之间只需中间部分相同（词头、词尾都可变化）；右截断（后截断）指检索词与被检索词间的前部相同（前方一致）。

信息检索技术（续）

限制检索：限制符的作用是限制检索词或检索表达式在数据库记录中出现的字段位置。数据库中可供检索的字段通常分为基本检索字段和辅助检索字段。基本检索字段主要有题名（TI）、文摘（AB）、主题词（DE）和标识词（ID），适用于各种数据库。辅助检索字段主要有作者（AU）、语种（LA）、出版年代（PY）、期刊名称（JN）和文献类型（DT）等字段。一般说来，数据库的提供的字段越多，其检索方式就越多，可以使用多字段构建复杂的检索表达式，进行高级检索。信息检索步骤流程图信息检索步骤

检索课题分析：检索目的和要求的分析；检索类型的确定（普查型、特定型和探索型）。制定检索策略：选择检索数据库；确定检索词；编写检索表达式。检索策略的实施和调整：实施检索操作，获取检索信息；评估检索结果。为了减少滥检、漏检和缺检，可进行检索策略的调整，主要分为缩检和扩检二种。缩检主要方法有：主题细化；选择更专指的检索词；运用逻辑算符AND、NOT；运用位置算符WITH、NEAR；减少字段检索；对检索结果进行二次检索。扩检主要方法有：对己确定的检索词进行其同义词、同义的相关词、缩写和全称检索；利用数据库提供的词表输入规范词；使用运算符OR等。检索结果的筛选、整理和原始信息的获取。数据库的选择数据库的类型。例如，书目数据库、事实数据库或结构数据库；文摘数据库或全文