正在从事化学相关行业的你,在与化学结构式打交道时,是否会面对这样的困境

场景一:做研发的你,读资料时突然来了点子。 你想把文中的某个试剂用到自己的课题里,可文中只有一个结构式和“化合物XX”这样的编号,没有化学名。通常有两条路:在ChemDraw里把结构画一遍,再拿化学名或SMILES去PubChem查;或者登录 SciFinder、Reaxys,在里面画结构检索。不管走哪条,都要先画一遍,画完还得对着原图检查楔键有没有画反,然后再一个个打开试剂网站看有没有货。

场景二:还是做研发的你,准备汇报、答辩或写论文,要整理一批反应。 背景介绍里要用到几十个文献里的结构,或者做化学信息学研究时需要把一批结构转成SMILES。一个个在ChemDraw里手画,既费时又容易画错。

场景三:做生物或医学的你,想买一个抑制剂。 论文里给出了它的结构式,但你既没有化学画图软件,也没有化学数据库账号,不知道它叫什么、哪里能买到。

场景四:做销售、采购、外贸或CDMO业务的你,收到一份只有结构图的需求。 你可能不是化学出身,手里的需求却常常只有一张结构图:销售和外贸收到的是客户的询价,采购收到的是研发同事的购买申请。有的是常见试剂,对方只是没写名称和CAS号,你需要查到它是什么、哪里有货;有的是从专利或论文里截出来的新化合物,本来就没有CAS号,你需要把它们转成SMILES、算出分子式和分子量,录入公司系统查库存或类似物,再评估报价。以前遇到这种情况,要么等化学同事有空帮忙,要么回头再问客户、拖慢报价,要么自己对着图在网上慢慢找,一不小心还会对错结构、报错价。

不管你有没有安装ChemDraw、有没有SciFinder或Reaxys账号,这些场景都卡在同一步:从一张图到可以检索的分子。 化圈就是为这一步做的。

打开网易新闻 查看精彩图片

重画和检查楔键这两步,在化圈里变成了“圈一下、对照核对”,而且全程在你正在看的网页旁边完成。

化圈能帮你做什么

化圈(英文名ChemLasso)是一个浏览器侧边栏插件。基于用海量数据训练优化的自主识别模型随插件一起安装,装好就能用:不需要Python环境、本地服务器或账号,也不用另外下载模型;不用时一键关掉。识别在本地完成,可以离线使用,截图和识别出的结构都不会离开你的电脑。电脑支持WebGPU时用显卡加速,不支持时自动改用CPU。

打开网易新闻 查看精彩图片

和网页、PDF并排使用 化圈在浏览器侧边栏里工作,不用在几个窗口之间来回切换。看到结构就按快捷键(Windows上Alt+S,macOS上Command+Shift+S)或点击右栏化圈页面的截图按钮开始截取,随截随查。

打开网易新闻 查看精彩图片

怎么拿到图都行 可以用套索或矩形框在页面上截取,也可以上传图片;网页和PDF会先定格画面再截取。一页里有多个结构时,可以连续框选,或者把一张图切成多个结构排队识别。

打开网易新闻 查看精彩图片

原图和结果并排核对 你截的原图和识别出的结构图并排显示,可以放大逐处对照,哪里不一样一眼就能看出来。

打开网易新闻 查看精彩图片

常用数据随结果给出 除了SMILES和InChIKey,还有分子式、分子量、精确质量、cLogP,以及[M+H]+、[M+Na]+、[M-H]-等常见质谱加合离子的m/z。写实验记录、对高分辨质谱时不用再另外计算。

2D画板和3D预览 识别不对时,在画板上改原子、改键;没有图也可以自己画一个结构。改完后各项数据自动重算,还可以在侧边栏里直接旋转查看3D构象。

打开网易新闻 查看精彩图片

导出到你自己的工具 SMILES和InChIKey一键复制;结构可以导出为CDXML(ChemDraw 可直接打开)、Molfile,以及300 DPI透明背景的PNG;批量数据可以导出为SDF和CSV。整理反应、做PPT、写论文时不用再从头画。

打开网易新闻 查看精彩图片

需要时再联网查询 插件默认处于纯离线模式。你手动打开在线模式、并确认搜索后,它才会在PubChem、Wikidata、NCI CACTUS等公开数据库中查找CAS号和同义名,并给出国内外试剂网站的跳转链接。也可以在化学加网(www.huaxuejia.cn)搜索查看百科及供应商信息。

插件支持中英文界面。识别历史保存在本地,常用的结构可以收藏、加备注,也可以单个或批量打包导出。

复杂立体结构,也有不错的识别率

我们用一批多种网络来源的公开结构图测试了插件。下面这12个示例结构都有多个手性中心或多环稠合,都识别正确,包括立体化学。

打开网易新闻 查看精彩图片

认错了?直接在画布上改

没有哪个识别模型永远不出错。同样是复杂立体结构,有的能完全认对,有的会认错一两个手性中心。所以我们把修改做得尽量简单。

下面的动图里,插件把结构识别错了。对照原图发现问题后,直接在画布上改掉错误的键、原子和手性中心,再联网查询,就能拿到正确结构对应的CAS号和供应商。整个过程不用离开插件。

打开网易新闻 查看精彩图片

下单前请一定核对立体化学。 一个手性中心不同,就可能是另一个异构体、另一个CAS号,买回来就是错的试剂。公开数据库里的CAS号偶尔也有错,请在供应商页面上再确认一次结构。

两个使用小贴士

  1. 尽量截大图 结构图太小时分辨率不够,容易识别出错。可以先把页面放大再截,也可以用插件自带的放大镜。

  2. 精确截目标结构 尽管我们做了抗干扰优化,但把旁边的箭头、文字、编号一起截进来,可能还是会干扰识别结果。插件提供矩形和套索两种截取工具,结构周围比较拥挤时用套索圈出来。

目前还在改进的地方

下面这些类型的结构,识别准确率还不高,或者结果不稳定,使用时请特别注意核对:

  • 含重原子的结构

  • 马库什(Markush)结构:目前不能完整识别

  • 立体画法复杂的分子,尤其是笼状骨架

  • 手绘结构

  • 金属配合物和络合物

  • 高分子

打开网易新闻 查看精彩图片

我们会继续用大家反馈的失败例子改进模型。在这之前,画板就是你的兜底工具。

数据安全

识别全部在你的浏览器里完成。识别模型随插件一起部署在本地,不调用任何云端或大模型接口。插件默认开启纯离线隐私模式:识别时和识别后都不联网,截图和结构图不会离开你的电脑,历史记录也只保存在本地。

只有当你手动打开在线模式、并确认某一次搜索时,插件才会把这个结构数据发送给PubChem、Wikidata、NCI CACTUS等公开数据库去检索,截图本身始终不会发出去。做未公开项目的研发人员,只要保持离线模式,就可以放心识别内部结构。

安装与反馈

化圈(ChemLasso)免费使用,支持Chrome和Edge浏览器:

  • Chrome网上应用店:https://chromewebstore.google.com/detail/hdfcggkbgdldboapjiphdkihihhbipld?utm_source=item-share-cb

  • Microsoft Edge拓展:

    https://microsoftedge.microsoft.com/addons/detail/lcfilcebbhkfmccplnnapbgjhggckegb

项目主页设在GitHub(https://github.com/chemlasso-ocsr-official/ChemLasso),里面有使用说明。使用中遇到识别错误或有功能建议,都可以在主页留言反馈。

打开网易新闻 查看精彩图片