OpenChemIE : Un outil d'extraction d'informations pour la littérature en chimie

L'extraction d'informations à partir de la littérature chimique est essentielle pour construire des bases de données de réactions à jour pour une chimie basée sur les données. Une extraction complète nécessite de combiner des informations provenant de textes, de tableaux et de figures, tandis que les travaux antérieurs ont principalement étudié l'extraction des réactions à partir de modalités uniques. Dans cet article, nous présentons OpenChemIE pour aborder ce défi complexe et permettre l'extraction de données de réaction au niveau du document. OpenChemIE aborde le problème en deux étapes : extraire des informations pertinentes à partir de modalités individuelles, puis intégrer les résultats pour obtenir une liste finale de réactions. Pour la première étape, nous utilisons des modèles neuronaux spécialisés qui traitent chacun une tâche spécifique d'extraction d'informations en chimie, comme l'analyse des molécules ou des réactions à partir de textes ou de figures. Nous intégrons ensuite les informations provenant de ces modules en utilisant des algorithmes informés par la chimie, permettant l'extraction de données de réaction détaillées à partir d'enquêtes sur les conditions de réaction et le champ de substrat. Nos modèles d'apprentissage automatique atteignent des performances de pointe lorsque évalués individuellement, et nous annotons méticuleusement un ensemble de données difficile de schémas de réaction avec des groupes R pour évaluer notre pipeline dans son ensemble, atteignant un score F1 de 69,5 %. De plus, les résultats d'extraction de réaction obtiennent un score de précision de 64,3 % lorsqu'ils sont comparés directement à la base de données chimique Reaxys. Nous proposons OpenChemIE gratuitement au public sous la forme d'un package open source, ainsi que par le biais d'une interface web.