Vážené kolegyně, vážení kolegové,
sezóna PhD Clubu začne o týden dříve – zahájí ji přednáška Riccarda Fusca s názvem „ChemPatentizer: Transforming Chemical Patents into Actionable Scientific Data“ ve středu 26. února 2025 v 9:00 v místnosti 1.09.
Abstrakt
Chemické patenty jsou bohatým, avšak obtížně využitelným zdrojem dat o strukturách a aktivitách, přičemž zásadní překážky vyplývají z jejich formátu a nedostatečné standardizace. Tyto dokumenty jsou často k dispozici jako naskenované obrázky, takže extrakce dat klasickými metodami OCR je nespolehlivá. Obtíže dále zvyšují nestrukturovaná data o aktivitě a nestandardní uspořádání, neboť identifikátory bývají často nekvalitní a patenty mohou mít i stovky stran. Potenciál vysoce kvalitních dat v chemických patentech, zejména díky standardizovaným testům a významným transformacím párových molekul (matched pairs), však zdůrazňuje potřebu účinného řešení pro jejich extrakci. V reakci na to představujeme poloautonomní pipeline ChemPatentizer, která kombinuje lidskou expertizu s nástrojem DECIMER pro rozpoznávání chemických struktur a umožňuje segmentovat obsah patentů a převést jej do využitelného formátu. Na rozdíl od plně automatizovaných přístupů naše pipeline využívá vstupy chemiků při výběru patentů a počáteční segmentaci dat, a zohledňuje tak složitou a rozmanitou povahu patentových dat. Po manuální segmentaci pipeline automatizuje tvorbu tabulek vztahů mezi strukturou a aktivitou a usnadňuje navazující analýzy, jako jsou studie párových molekul (molecular matched pairs) a modelování Deep QSAR. Modulární architektura nástroje ChemPatentizer umožňuje lidskou kontrolu v každém kroku, což zvyšuje přesnost a spolehlivost. Náš přístup, validovaný na patentech týkajících se receptoru GLP-1, dokládá přínos spojení automatizace s odborným dohledem při extrakci smysluplných dat z chemických patentů.
Těšíme se na Vás!