第一講 化學(xué)信息學(xué)概述

姚建華 徐雯麗 蔣舒仰 胡 靜 李 佳

中國(guó)科學(xué)院能量調(diào)控材料重點(diǎn)實(shí)驗(yàn)室，中國(guó)科學(xué)院上海有機(jī)化學(xué)研究所（上海 200032）

化學(xué)信息學(xué)是采用計(jì)算機(jī)科學(xué)和信息學(xué)方法及技術(shù)解決化學(xué)問題[1-3]的一門學(xué)科，是涉及化學(xué)、數(shù)學(xué)、計(jì)算機(jī)科學(xué)以及化學(xué)應(yīng)用領(lǐng)域等多學(xué)科的交叉學(xué)科，屬人工智能范疇?；瘜W(xué)信息學(xué)方法和技術(shù)可用于解決各個(gè)領(lǐng)域中的化學(xué)問題。所謂化學(xué)問題主要包括：分子設(shè)計(jì)、合成設(shè)計(jì)/反應(yīng)預(yù)測(cè)、結(jié)構(gòu)確定。

化學(xué)信息學(xué)方法主要有三大類：基于數(shù)據(jù)、基于邏輯和基于原理。

具體而言，基于數(shù)據(jù)即建立對(duì)應(yīng)的數(shù)據(jù)庫(kù)系統(tǒng)，并利用數(shù)據(jù)庫(kù)系統(tǒng)獲取所需的數(shù)據(jù)和信息。這種方法的特點(diǎn)是只能得到已被數(shù)據(jù)庫(kù)系統(tǒng)收錄的化學(xué)信息，且只適用于獲取已知對(duì)象的數(shù)據(jù)?；谶壿嫾闯浞掷靡咽占拇罅空_的化學(xué)實(shí)驗(yàn)數(shù)據(jù)，以及相關(guān)的邏輯推理、歸納和演繹的方法，對(duì)已收集的數(shù)據(jù)進(jìn)行分析、歸納，從中獲取相關(guān)的知識(shí)、規(guī)則和關(guān)系，并利用這些規(guī)則、知識(shí)和對(duì)應(yīng)關(guān)系，對(duì)新化合物、合成路線/反應(yīng)、結(jié)構(gòu)和譜圖進(jìn)行相應(yīng)的預(yù)測(cè)。這種方法的特點(diǎn)是可以處理大批量的數(shù)據(jù)和大的體系，但它不能從原理上解釋預(yù)測(cè)結(jié)果?；谠砑蠢孟嚓P(guān)的理論計(jì)算方法計(jì)算化合物的能量和相關(guān)性質(zhì)，根據(jù)計(jì)算結(jié)果，實(shí)現(xiàn)分子設(shè)計(jì)、合成設(shè)計(jì)/反應(yīng)預(yù)測(cè)、結(jié)構(gòu)解析及譜圖模擬。該方法的特點(diǎn)是可以從原理上解釋它們的結(jié)果，但不適用于處理大批數(shù)據(jù)和大的體系?？梢姡惙椒ǜ饔刑攸c(diǎn)，適用于解決不同狀態(tài)下的化學(xué)問題。

一 形成與發(fā)展

自1946年第一臺(tái)計(jì)算機(jī)誕生起，人們就開始關(guān)注，如何利用計(jì)算機(jī)處理各種數(shù)據(jù)。在化學(xué)領(lǐng)域，在1957年之前，便有相關(guān)研究工作的報(bào)道[4-5]。隨著應(yīng)用研究的不斷深入，計(jì)算機(jī)在化學(xué)領(lǐng)域的應(yīng)用，從化學(xué)研究本身的數(shù)據(jù)存儲(chǔ)、查詢和分析，逐步深入到分子設(shè)計(jì)、合成設(shè)計(jì)/反應(yīng)預(yù)測(cè)、結(jié)構(gòu)確定，即應(yīng)用于解決化學(xué)問題的工作中[2，6-7]。

1998年之前，采用計(jì)算機(jī)技術(shù)開展分子設(shè)計(jì)、合成設(shè)計(jì)或結(jié)構(gòu)確定工作，通常以“計(jì)算機(jī)輔助”作為標(biāo)識(shí)，并未形成專門的一個(gè)學(xué)科。1998年，布朗（Brown）博士認(rèn)識(shí)到應(yīng)用信息技術(shù)和管理已成為藥物發(fā)現(xiàn)過程中的一個(gè)關(guān)鍵部分，并首次提出了化學(xué)信息學(xué)的定義：化學(xué)信息學(xué)可將這些信息資源組合起來，將數(shù)據(jù)轉(zhuǎn)化為信息，再將信息轉(zhuǎn)化為知識(shí)，以便于在確定和優(yōu)化藥物先導(dǎo)方面快速作出較合理的決策[8]。盡管布朗博士基于藥物研發(fā)領(lǐng)域提出了化學(xué)信息學(xué)的概念，但隨著計(jì)算機(jī)和信息技術(shù)在化學(xué)領(lǐng)域中應(yīng)用的不斷深入，化學(xué)信息學(xué)的定義經(jīng)多次完善后，在2003年，它的定義被描述為：應(yīng)用信息學(xué)方法及技術(shù)解決化學(xué)問題[3]。之后，它的定義繼續(xù)得到補(bǔ)充和完善：化學(xué)信息學(xué)是采用計(jì)算機(jī)科學(xué)和信息學(xué)方法及技術(shù)解決化學(xué)問題[1-3]的一門學(xué)科，是涉及化學(xué)、數(shù)學(xué)、計(jì)算機(jī)科學(xué)以及化學(xué)應(yīng)用領(lǐng)域等多學(xué)科的交叉學(xué)科。它的方法和技術(shù)可用于解決所有領(lǐng)域中的化學(xué)問題。

二 化學(xué)問題及其解決方法

2003年，以色列化學(xué)家A.Shani博士發(fā)表了一篇題為“化學(xué)幾乎無處不在”的文章[9]。在該文中，他介紹了化學(xué)的作用，以及與化學(xué)相關(guān)的領(lǐng)域，如生物、醫(yī)藥、生態(tài)、材料、地球科學(xué)、農(nóng)業(yè)、環(huán)境、生物體內(nèi)的各種變化等，它們都與化學(xué)密不可分。為此，我們可以認(rèn)為這些領(lǐng)域中的部分問題，本質(zhì)上是屬于化學(xué)問題的范疇：分子設(shè)計(jì)、合成設(shè)計(jì)/反應(yīng)預(yù)測(cè)、結(jié)構(gòu)確定。

三 分子設(shè)計(jì)

分子設(shè)計(jì)即采用多種技術(shù)發(fā)現(xiàn)具有特定應(yīng)用所需特定性質(zhì)的新化學(xué)實(shí)體[10]。

應(yīng)用于分子設(shè)計(jì)的化學(xué)信息學(xué)方法主要包括：（1）基于數(shù)據(jù)，即利用化合物數(shù)據(jù)庫(kù)系統(tǒng)，查詢化合物的相關(guān)信息；（2）基于邏輯，即建立結(jié)構(gòu)與性質(zhì)關(guān)系模型，并基于模型預(yù)測(cè)化合物的性質(zhì)；（3）基于原理，即采用理論計(jì)算方法，計(jì)算化合物的物理化學(xué)參數(shù)，并根據(jù)計(jì)算結(jié)果，預(yù)測(cè)化合物的特定性質(zhì)。

四 合成設(shè)計(jì)/反應(yīng)預(yù)測(cè)

合成設(shè)計(jì)/反應(yīng)預(yù)測(cè)即采用各種方法和技術(shù)設(shè)計(jì)獲得某個(gè)化合物的合成路線/反應(yīng)途徑。應(yīng)用于合成設(shè)計(jì)/反應(yīng)預(yù)測(cè)的化學(xué)信息學(xué)方法主要包括：（1）基于數(shù)據(jù)，即利用反應(yīng)數(shù)據(jù)庫(kù)系統(tǒng)，查詢合成路線/反應(yīng)途徑的相關(guān)信息；（2）基于邏輯，即建立反應(yīng)物生成產(chǎn)物的規(guī)則，并基于規(guī)則設(shè)計(jì)預(yù)測(cè)特定化合物的合成路線/反應(yīng)途徑；（3）基于原理，即采用理論計(jì)算方法，計(jì)算反應(yīng)物變成產(chǎn)物所需的能量，相關(guān)的電荷及鍵長(zhǎng)等參數(shù)，并根據(jù)計(jì)算結(jié)果，推測(cè)反應(yīng)物變成產(chǎn)物的可能性，并解釋其反應(yīng)機(jī)理。

五 結(jié)構(gòu)確定

結(jié)構(gòu)確定包含兩部分工作：（1）結(jié)構(gòu)解析；（2）譜圖模擬。結(jié)構(gòu)解析即根據(jù)一組譜圖推斷一組候選化合物。譜圖模擬即根據(jù)化合物的化學(xué)結(jié)構(gòu)獲得預(yù)測(cè)對(duì)應(yīng)的譜圖。

應(yīng)用于結(jié)構(gòu)解析的化學(xué)信息學(xué)方法主要包括：（1）基于數(shù)據(jù)，即利用譜圖數(shù)據(jù)庫(kù)系統(tǒng)，查詢被解析的譜圖所對(duì)應(yīng)化合物的結(jié)構(gòu)信息；（2）基于邏輯，即建立譜圖與化學(xué)結(jié)構(gòu)的對(duì)應(yīng)關(guān)系，并根據(jù)對(duì)應(yīng)關(guān)系，預(yù)測(cè)可能的化合物結(jié)構(gòu)。

應(yīng)用于譜圖模擬的化學(xué)信息學(xué)方法主要包括：（1）基于數(shù)據(jù)，即利用化合物數(shù)據(jù)庫(kù)系統(tǒng)，查詢與指定化合物相關(guān)的譜圖信息；（2）基于邏輯，即建立結(jié)構(gòu)與譜圖關(guān)系模型，并基于模型預(yù)測(cè)化合物的譜圖；（3）基于原理，即采用理論計(jì)算方法，計(jì)算化合物的譜圖數(shù)據(jù)，并根據(jù)計(jì)算結(jié)果，預(yù)測(cè)化合物對(duì)應(yīng)的譜圖。

最后，比較模擬得到的譜圖和被解析譜圖，如果兩張譜圖相同，則用于譜圖模擬的化合物即為被解析譜圖的化合物。

解決三大類化學(xué)問題的化學(xué)信息學(xué)方法有三種，但在實(shí)際應(yīng)用中，通常沒有固定的使用模式，需要根據(jù)問題的內(nèi)容制定使用方案。

六 化學(xué)信息學(xué)的研究?jī)?nèi)容

化學(xué)信息學(xué)的方法研究主要集中在基于數(shù)據(jù)和基于邏輯兩類。

基于數(shù)據(jù)的研究工作主要為“建立數(shù)據(jù)庫(kù)系統(tǒng)”。通常一個(gè)數(shù)據(jù)庫(kù)系統(tǒng)的建立包含兩個(gè)部分內(nèi)容：（1）數(shù)據(jù)采集和規(guī)范化處理；（2）數(shù)據(jù)管理系統(tǒng)的設(shè)計(jì)與開發(fā)。具體的研究?jī)?nèi)容主要包括：（1）應(yīng)用圖論[11]/化學(xué)圖論[12-13]方法，實(shí)現(xiàn)化學(xué)結(jié)構(gòu)的存儲(chǔ)、分析和運(yùn)算；（2）數(shù)據(jù)規(guī)范化處理規(guī)則的建立；（3）數(shù)據(jù)管理系統(tǒng)的數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)、查詢算法設(shè)計(jì)和系統(tǒng)開發(fā)，這部分工作屬軟件工程[14]范疇。

基于邏輯的研究工作主要為“知識(shí)發(fā)現(xiàn)，建立知識(shí)庫(kù)系統(tǒng)”。對(duì)于分子設(shè)計(jì)和結(jié)構(gòu)確定而言，研究?jī)?nèi)容主要包括：（1）應(yīng)用圖論/化學(xué)圖論方法實(shí)現(xiàn)化學(xué)結(jié)構(gòu)的存儲(chǔ)、分析和運(yùn)算；（2）應(yīng)用數(shù)據(jù)分析方法，如回歸分析、方差分析、聚類分析、神經(jīng)網(wǎng)絡(luò)等[15]，實(shí)現(xiàn)化合物性質(zhì)數(shù)據(jù)的分析；（3）采用統(tǒng)計(jì)學(xué)和機(jī)器學(xué)習(xí)方法[16-19]研究化合物結(jié)構(gòu)與性質(zhì)的關(guān)系，并建立對(duì)應(yīng)的關(guān)系模型。對(duì)于合成設(shè)計(jì)/反應(yīng)預(yù)測(cè)而言，研究?jī)?nèi)容主要包括：（1）應(yīng)用圖論/化學(xué)圖論方法實(shí)現(xiàn)化學(xué)反應(yīng)數(shù)據(jù)的存儲(chǔ)、分析和運(yùn)算；（2）將圖論/化學(xué)圖論與數(shù)據(jù)分析方法組合，實(shí)現(xiàn)反應(yīng)物生成產(chǎn)物的規(guī)則提??；（3）建立知識(shí)庫(kù)管理系統(tǒng)：知識(shí)管理系統(tǒng)的數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)、查詢算法設(shè)計(jì)和系統(tǒng)開發(fā)，這部分工作屬軟件工程范疇。

七 總結(jié)

圖1 傳統(tǒng)模式

從人類學(xué)會(huì)使用火，就開始了最早的化學(xué)實(shí)踐活動(dòng)。人類對(duì)“煉丹”和“煉金”活動(dòng)本質(zhì)的認(rèn)識(shí)，為化學(xué)最終成為一門科學(xué)積累了素材。隨著人類各種生產(chǎn)活動(dòng)內(nèi)容的積累，人們總結(jié)感性知識(shí)，進(jìn)行化學(xué)變化的理論研究，使化學(xué)成為自然科學(xué)的一個(gè)分支。自從化學(xué)成為一門獨(dú)立的學(xué)科后，隨著化學(xué)研究的不斷深入，以及與其他學(xué)科的交叉，新的化學(xué)分支學(xué)科不斷產(chǎn)生，現(xiàn)有的分支學(xué)科有：有機(jī)化學(xué)、無機(jī)化學(xué)、分析化學(xué)、高分子化學(xué)、物理化學(xué)、環(huán)境化學(xué)、核化學(xué)、材料化學(xué)、生物化學(xué)、元素有機(jī)化學(xué)、天然有機(jī)化學(xué)、藥物化學(xué)和食品化學(xué)等。自化學(xué)信息學(xué)誕生至今，尚未滿30年?？梢?，相較于已有的化學(xué)分支學(xué)科，化學(xué)信息學(xué)是一門非?！澳贻p”的化學(xué)分支學(xué)科。與其他分支學(xué)科不同，它不做實(shí)際的化學(xué)實(shí)驗(yàn)，但它應(yīng)用計(jì)算機(jī)科學(xué)和信息學(xué)技術(shù)開展相應(yīng)的化學(xué)研究工作；同時(shí)，它將相關(guān)的數(shù)學(xué)方法/算法轉(zhuǎn)化成適用于處理化學(xué)信息的方法/算法。

化學(xué)信息學(xué)方法和技術(shù)的應(yīng)用，將促進(jìn)化學(xué)研究從傳統(tǒng)模式（見圖1）向現(xiàn)代模式轉(zhuǎn)換（見圖2），并可提高解決化學(xué)問題的效率，降低盲目性。

圖2 現(xiàn)代模式