开源软件在化学数据库分子结构检索中的应用

分子结构检索是化学数据库必备的检索手段,利用开源化学软件是实现分子结构检索的有效途径。不同于商业软件的解决方案,开源本身就体现了经济性和可重复开发的特点。本文利用Java开源化学软件开发工具包如Chemistry Development Kit(CDK)、JOELib的基本构件,基于JSP+Servlet+Bean+MySQL技术搭建了一个网络化学数据库结构检索平台。其中包括分子全结构和子结构检索,并实现了在线提交分子和化合物结构的三维显示等。对包含12万化合物结构信息的数据库的测试表明,该系统在经过预处理和一系列优化措施下,实现了较好的检索性能。

基于预筛选的海量分子结构检索算法

针对大数据环境下,化学分子结构检索低效、通用图同构VF2算法检索量过大的缺陷,提出了基于预筛选的ASVF2算法,建立了基于分布式的分子检索模型。实验结果表明,在包含20万个化学结构的数据中,该方法可以快速准确地检索包含特定信息的分子,大幅降低了分子结构检索的复杂度,模型具有稳定的可扩展性。

一种新的分子二维子结构检索算法

本文针对分子二维子结构检索问题,比较分析图同构算法中具有代表性的VF2法和GMA法。VF2法的数据结构精巧,能有效降低内存开销,但其在图匹配时没有保存提问结构的偏序,造成大量重复计算,影响匹配效率。GMA法则利用偏序的不变性,预先计算并保存偏序,进而指导图匹配过程。本文将GMA法的偏序行走策略应用于VF2法,保留VF2法的遍历规则和数据结构,用标准C++语言改进的结构检索算法能提供正确的检索结果,效率更高。本文还通过实例说明了VF2法和GMA法各自偏序的计算过程,指出2种算法的图遍历规则的差异。

子结构检索中关系数据库插件的使用和效率

采用关系数据库插件能够实现化合物描述符(FingerPrint)的生成、建立索引和化合物的子结构检索。本文以PubChem有机化合物Molfile为数据源,在Oracle关系数据库上分别安装插件OrChem(JAVA)和Bingo(C^(++))构建了化合物分子结构数据库。本文从FingerPrint的构成和索引策略两方面讨论了OrChem和Bingo的主要差异,并选取10个特征化合物进行子结构检索测试。对存储40万种化合物的分子结构数据库的测试结果显示,OrChem可满足用户检索响应,Bingo则更为快捷。对于存储2600万种化合物的分子结构数据库,针对Bingo通过优化Oracle数据库内存管理、数据表结构、子结构预筛选参数,实现了满足用户的高效检索。