PatCID: an open-access dataset of chemical structures in patent documents

计算机科学 化学数据库 情报检索 集合(抽象数据类型) 数据库 药物发现 国家(计算机科学) 数据科学 化学 生物化学 有机化学 算法 程序设计语言
作者
Lucas Morin,Valéry Weber,Gerhard Ingmar Meijer,Fisher Yu,Peter Staar
出处
期刊:Nature Communications [Springer Nature]
卷期号:15 (1) 被引量:3
标识
DOI:10.1038/s41467-024-50779-y
摘要

Abstract The automatic analysis of patent publications has potential to accelerate research across various domains, including drug discovery and material science. Within patent documents, crucial information often resides in visual depictions of molecule structures. PatCID (Patent-extracted Chemical-structure Images database for Discovery) allows to access such information at scale. It enables users to search which molecules are displayed in which documents. PatCID contains 81M chemical-structure images and 14M unique chemical structures. Here, we compare PatCID with state-of-the-art chemical patent-databases. On a random set, PatCID retrieves 56.0% of molecules, which is higher than automatically-created databases, Google Patents (41.5%) and SureChEMBL (23.5%), as well as manually-created databases, Reaxys (53.5%) and SciFinder (49.5%). Leveraging state-of-the-art methods of document understanding, PatCID high-quality data outperforms currently available automatically-generated patent-databases. PatCID even competes with proprietary manually-created patent-databases. This enables promising applications for automatic literature review and learning-based molecular generation methods. The dataset is freely accessible for download.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
cc发布了新的文献求助10
1秒前
2秒前
leec完成签到,获得积分10
2秒前
2秒前
Akim应助科研卷心菜采纳,获得10
3秒前
甄冰海完成签到,获得积分20
3秒前
榆木小鸟完成签到 ,获得积分10
3秒前
Yaon-Xu完成签到,获得积分10
3秒前
乐安发布了新的文献求助10
4秒前
二七完成签到,获得积分10
4秒前
5秒前
甄冰海发布了新的文献求助10
5秒前
Tracy发布了新的文献求助10
7秒前
情怀应助huayan采纳,获得10
8秒前
梵天发布了新的文献求助10
9秒前
10秒前
11秒前
liu1123发布了新的文献求助10
15秒前
zero发布了新的文献求助10
16秒前
16秒前
17秒前
17秒前
一点完成签到,获得积分10
19秒前
酷炫素发布了新的文献求助10
21秒前
未见山完成签到,获得积分10
22秒前
asd发布了新的文献求助20
23秒前
liu1123完成签到,获得积分10
23秒前
24秒前
天天快乐应助Menand采纳,获得10
28秒前
香蕉觅云应助asd采纳,获得10
30秒前
刘wt发布了新的文献求助10
30秒前
32秒前
可冥完成签到 ,获得积分10
32秒前
CCC发布了新的文献求助20
32秒前
NIKI完成签到 ,获得积分10
32秒前
研友_VZG7GZ应助TINASURE采纳,获得10
34秒前
wll完成签到 ,获得积分10
34秒前
好好科研~发布了新的文献求助10
34秒前
领导范儿应助cjx采纳,获得10
35秒前
ZY完成签到,获得积分10
35秒前
高分求助中
Licensing Deals in Pharmaceuticals 2019-2024 3000
Cognitive Paradigms in Knowledge Organisation 2000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger Heßler, Claudia, Rud 1000
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 1000
Natural History of Mantodea 螳螂的自然史 1000
A Photographic Guide to Mantis of China 常见螳螂野外识别手册 800
How Maoism Was Made: Reconstructing China, 1949-1965 800
热门求助领域 (近24小时)
化学 医学 材料科学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 量子力学 冶金 电极
热门帖子
关注 科研通微信公众号,转发送积分 3316498
求助须知:如何正确求助?哪些是违规求助? 2948223
关于积分的说明 8539677
捐赠科研通 2624118
什么是DOI,文献DOI怎么找? 1435867
科研通“疑难数据库(出版商)”最低求助积分说明 665703
邀请新用户注册赠送积分活动 651634