Logiciel de Reconnaissance de Structure Optique Pour Récupérer des Informations Chimiques : OSRA, une Solution Open Source

Jusqu'à récemment, la plupart des documents scientifiques et de brevets portant sur la chimie décrivaient les structures moléculaires soit avec des noms systématiques, soit avec des images graphiques de structures de Kekulé. Cette dernière méthode pose des problèmes inhérents au traitement automatisé, nécessaire lorsque le nombre de documents atteint des centaines de milliers, voire des millions, car les représentations graphiques ne peuvent pas être directement interprétées par un ordinateur. Pour récupérer ces informations structurelles, qui sont autrement perdues, nous avons construit une application de reconnaissance de structure optique basée sur les avancées modernes en traitement d'image mises en œuvre dans des outils open source, OSRA. OSRA peut lire des documents dans plus de 90 formats graphiques, y compris GIF, JPEG, PNG, TIFF, PDF et PS, reconnaît automatiquement et extrait les informations graphiques représentant les structures chimiques dans de tels documents, et génère la représentation SMILES ou SD des images de structures moléculaires rencontrées.