Исследование методов выявления структурной информации на основе базы данных «ИК спектр — фрагментный состав соединения»
Два основных направления исследований, связанных с «прямым» и «косвенным» использованием информации из БД по ИК спектроскопии молекул для решения задач установления строения соединения, развиваются практически независимо. В первом случае необходимы крупномасштабные базы данных, содержащие полные ИК спектры и структуры соединений, с целью развития средств распознания структурных особенностей… Читать ещё >
Содержание
- Базы данных по ИК спектроскопии и их использование для определения структурных особенностей соединений по их спектрам
- 1. Введение
- 2. Автоматизированные БД по ИК спектроскопии
- 3. Поисковые алгоритмы и оценка их эффективности
- 4. Использование БД по ИК спектроскопии для установления строения органических соединений
- 5. Интегрированные ИПС, использующие базы данных по ИК спектроскопии
- База данных «ИК спектр — фрагментный состав соединения
- 1. Представление спектров
- 2. Представление структурных формул
- 2. 1. Поатомный код молекулярного графа
- 2. 2. Полный набор связных фрагментов молекулярного графа
- 2. 3. Формирование базы данных А>вершинных связных фрагментов
- 2. 4. Характеристика БД фрагментов
- О возможности использования полных наборов фраг-ментных составов структур для качественного анализа структурных особенностей соединений поискового ответа
- 1. Введение
- 6. Экспертные систе пию гййцие ИК спектроско
Современное состояние исследований в области органической химии неразрывно связано с развитием методов молекулярной спектроскопии, обеспечивающих специалистов необходимым аналитическим материалом. Наряду с совершенствованием инструментальных средств, существенно сокращающих сроки экспериментальных работ и открывающих все новые возможности, развиваются программно-аппаратные средства анализа спектральных данных. Комплексы спектрометр-компьютер позволяют не только собирать, регистрировать и оцифровывать экспериментальный материал, но и во многих случаях способствуют его интерпретации, в том числе и на основе использования крупномасштабных баз данных. Этим самым исследователь все больше освобождается от трудоемких и рутинных работ, концентрируя внимание на анализе и осмыслении результатов. В итоге, доведенный до коммерческого и практического использования программный и информационный инструментарий способствует более эффективному применению спектроскопии молекул в различных областях химических исследований.
Одно из центральных мест в молекулярной спектроскопии занимает инфракрасная (ИК) спектроскопия молекул. Это объясняется целым рядом обстоятельств, среди которых: доступность, высокая информативность и чувствительность, возможность регистрации спектра в любом агрегатном состоянии. Особо подчеркнем широту использования метода в практике — трудно представить аналитическое подразделение или лабораторию, решающее задачи идентификации соединений или компонентов смесей, не оснащенное оборудованием по ИК спектроскопии.
Регистрируемый ИК спектр (частоты полос поглощения, интенсивности сигналов, полуширины, форма спектральных кривых и т. п.) содержит важную информацию о природе анализируемого образца. Его’анализ позволяет экспериментатору делать
выводы о составе и строении молекул изучаемого объекта. Многолетний опыт анализа ИК спектров обобщен в монографиях и справочных руководствах, а накопленный спектральный материал представлен не только в многочисленных атласах и каталогах спектров, но и в современных базах данных.
В отличие от масс-спектрометрии в ИК спектроскопии хорошо развита теория расчета спектров, позволяющая, в частности, рассчитывать частоты, формы и интенсивности колебаний достаточно сложных органических молекул.
Успехи в области ИК Фурье-спектроскопии позволяют регистрировать спектры в газовой фазе, не искаженные влиянием среды. Сопряженные с хроматографическими установками ИК Фурье-спектрометры обеспечивают регистрацию спектров индивидуальных компонентов достаточно сложных смесей.
К недостаткам, ограничивающим применение ИК спектроскопии в различных областях химии и ее
приложений, в частности, в органической химии, можно отнести сильное влияние на вид ИК спектра условий его регистрации, а также существенную (в ИК шкале) ширину наблюдаемых полос поглощения в случае записи спектров жидких или твердых форм образцов. Заметим, что именно в этих агрегатных состояниях представлен на твердых копиях или машиночитаемых носителях основной экспериментальный материал, накопленный за полувековую историю использования метода в практике химического анализа.
Характерная для ИК спектроскопии индивидуальность спектров соединений, наряду с высокой перекрываемостью полос поглощения различных по химической природе групп, часто ставят в тупик даже опытный исследователей, пытающихся отнести изучаемый объект к одному из химических классов. Трудность однозначного установления связи структуры молекулы с соответствующим спектром или фрагмента структуры с фрагментом спектра вынуждает обращаться к другим экспериментальным методам. Интерпретация полученных результатов с целью решения структурных задач удается высококвалифицированным специалистам, владеющим опытом анализа спектров изучаемого химического класса соединений. В тех же многочисленных случаях, когда сведения о природе объекта скудны (анализ объектов окружающей среды, криминалистика, анализ природных продуктов и т. п.), часто возникают непреодолимые затруднения в оценке выносимых заключений. В этих случаях существенную помощь оказывают не столько базы знаний и корреляционные таблицы, сколько базы фактографических данных о ранее исследованных и зарегистрированных колебательных спектрах молекул.
Аналитическая ИК спектроскопия, оснащенная современным информационным инструментарием, обеспечивающим быстрый отбор из десятков тысяч спектров ограниченного числа записей, релевантных запросу, открывает принципиально новые возможности при решении спектро-структурных задач. Индивидуальность спектра — своеобразный «паспорт» вещества — давно и широко используется для идентификации соединения по его ИК спектру [. Сегодня трудно представить современную аналитическую службу, не обладающую информационно-поисковым инструментарием и базой данных, содержащей десятки (или даже сотни) тысяч ИК спектров разнообразных соединений. Тождественность зарегистрированного спектра с одним из спек- ^ тров базы данных, устанавливаемая компьютером за секунды, — современный 4 уровень спектроскопии и информационных технологий в структурных исследованиях. Надо ли говорить, что еще 20 лет назад задача идентификации соединения по спектру традиционными методами требовала длительной и трудоемкой работы самого исследователя.
Успехи, достигнутые в области развития компьютерных средств интерпретации спектров, базирующиеся на методах «искусственного интеллекта», распознавания образов, статистических методах, нейронных сетей и т. п., блестяще демонстрируют перспективность математически обоснованных приемов интерпретации ИК спектров и базирующихся на них систем.
Наиболее развиты среди них системы, базирующиеся на использовании баз знаний — накопленных ранее закономерностей и спектро-структурных корреляций. Математический аппарат этих систем формализует обобщенный интеллект исследователя, методы, пути и приемы решения поставленной задачи. Отсюда название — «системы искусственного интеллекта», «экспертные системы». Современные версии таких систем позволяют решать задачи установления строения соединения по спектру, выявления функциональных групп, заданной компоненты в смеси неизвестного состава и т. д. Основной и-' недостаток систем этого типа заключается в необходимости задания правил интерпретации, формулируемых индивидуально для каждой из решаемых задач. Недостатком является и ограниченность системы рамками заданных и описанных правил, характеризующих заранее заданный набор фрагментов, представляющих те или иные особенности строения изучаемых соединений.
Анализ и сопоставление используемых приемов решения спектро-структурных задач позволяют выделить, как наиболее перспективные, два метода. Первый опирается на базы знаний (искусственный интеллект, экспертные системы), второй — на базы фактографических данных о спектральном поведении разнообразных соединений.
Выбирая в качестве основного направления данной работы развитие второго подхода, мы исходим прежде всего не из его преимуществ перед первым, а из перспектив создания средств, которые бы не имели ограничения на классы анализируемых соединений и опирались на использование всего накопленного экспериментального материала в виде баз данных «структура соединения — его ИК спектр».
По нашему глубокому убеждению ни одна из даже самых детализированных таблиц спектро-структурных закономерностей в ИК и, соответственно, базы знаний, не обладают той полнотой спектро-структурной информации, которая содержится в непрерывно пополняющихся все новыми экспериментальными сведениями базах данных «структура — спектр». Вопрос заключается лишь в том, как извлечь необходимую на том или ином этапе исследований информацию, и какие средства обеспечат наиболее эффективное решение задачи.
Во взаимосвязи «структура — спектр», безусловно, важны и значимы обе компоненты. До недавнего времени, на начальных этапах исследования приоритет отдавался спектрам. В этой области разрабатывались средства наполнения БД, быстрого поиска требуемых по запросу спектров в крупных БД, методы сокращения (сжатия) информации, алгоритмы классификации и т. п. Несомненно, это обусловлено не столько недопониманием роли необходимости хранения и анализа связи структура — спектр, сколько отсутствием средств анализа структурной информации. Развитие вычислительной техники и появление программно-технического инструментария для ввода структурных данных привело к созданию информационно-поисковых систем и БД нового поколения, содержащих не только полную спектральную кривую (полный ИК спектр), но и представление структуры соединения — его структурную формулу. В этот же период начинают разрабатываться средства манипулирования структурными данными: структурный и подструктурный поиск, генерирование структур по заданному набору фрагментов, новые методы представления структурных данных, обеспечивающие их эффективную обработку средствами ЭВМ и т. п. Однако, до сих пор коммерческие системы в ИК спектроскопии, содержащие базы вида структура — спектр, используют структурные сведения лишь как средство отображения поисковых данных.
Традиционное представление структуры соединения — молекулярный граф. Его математическая модель описания — матрица связей, не диагональные элементы которой — типы связей, а диагональные — типы вершин (атомы или группы атомов). Хорошо известно, однако, что математический аппарат работы с матрицами связей сложен и трудоемок, поскольку графы типичных для органической химии соединений содержат десятки вершин. Это обстоятельство сдерживает активное использование сведений о структурах и фрагментах структур в системах, обеспечивающих анализ спектральных и структурных данных. С другой стороны, ИК спектры в БД могут быть представлены векторами Аппарат работы с векторами прост, хорошо проработан и используется в современных информационных системах. Очевидно, что задачу одновременного анализа спектров и структур соединений можно было бы существенно упростить, если структуры соединений (как и спектры) представить в виде векторов. Попытка такого представления и оценка перспектив его использования в информационных системах по ИК спектроскопии и являлась одной из целей настоящей работы.
Выбирая способ описания структур с помощью векторов, мы на данном этапе остановились на описании структур исчерпывающим набором неизоморфных связных Л-вер шинных фрагментов, начиная с двухвершинных, до некоторого заданного числа вершин. В этом состоит принципиальная новизна подхода.
В данном исследовании анализ связи структура — спектр проводится не с позиции заранее заданного (и всегда ограниченного) набора фрагментов, как это делается, например, в системах «искусственного интеллекта», а с позиции анализа исчерпывающего и, разумеется, заранее не заданного списка фрагментов, характеризующего все представленное в БД многообразие структур органических соединений. Оценка достигаемых при этом результатов и составляет основную цель данного исследования.
В ходе исследования впервые для выявления структурных особенностей исследуемого соединения по его ИК спектру предложено использование базы данных нового вида «фрагментный состав соединения — его ИК спектр». Обосновано применение в БД по РЖ спектроскопии представления структурных формул соединений в виде полного набора неизоморфных Л-вершинных связных фрагментов с числом вершин от 2 до 7. Предложена и апробирована методология выявления сведений о фрагментах структуры изучаемых соединений, базирующаяся на использовании информационно-поисковых систем с крупными БД по ИК спектроскопии молекул и анализе информации, извлекаемой из фрагментных составов молекул, обладающих ИК спектрами, наиболее похожими на спектр исследуемого вещества.
Впервые исследовано влияние частоты встречаемости А-вершинных связных фрагментов в структурных формулах соединений поисковых ответов и базы данных на результат идентификации фрагментов изучаемых соединений. Выявлены соотношения корректно и ошибочно распознаваемых фрагментов при различных экспериментальных условиях. Показано, что определяемые фрагменты могут достаточно полно характеризовать строение исследуемого соединения. Впервые получены статистические данные, характеризующие вероятность и достоверность распознаваемых по ИК спектрам фрагментов. Показано, что основанная на поисковом принципе методология обеспечивает надежную идентификацию нескольких тысяч самых разнообразных структурных фрагментов органических соединений. Предложен и апробирован метод построения и ранжирования вероятных структур изучаемого соединения, основанный на использовании информации, извлекаемой из анализа его ИК спектра с помощью базы данных «ИК спектр — фрагментный состав соединения».
Выполнение этой работы было бы невозможно без передачи в распоряжение автора базы данных по И К спектроскопии вида «структура-спектр», сформированной большим коллективом лаборатории, руководимой к.х.н. М. И. Подгорной. Всему этому коллективу автор приносит свою искреннюю благодарность. Автор глубоко признателен сотрудникам лаборатории, в которой он выполнял данное исследование, за их поддержку, помощь в реализации и конструктивное обсуждение этапов работы. Особую благодарность автор приносит своему руководителю — к.х.н. В.Н. Пиоттух-Пелецкому, а также руководителю Научно-технического центра химической информатики — д.х.н., профессору Б. Г. Дерендяеву за постановку темы исследования, постоянный интерес и творческий вклад, обеспечившие выполнение целей сформулированных в работе.
ГЛАВА 1. Базы данных по ИК спектроскопии и их использование для определения структурных особенностей соединений по их спектрам (обзор литературы)
Список литературы
- Эляшберг М. Е., Грибов J1. А., Серов В. В. Молекулярный спектральный анализ и ЭВМ. / Москва: Наука, 1980. — 318 с.
- Gray N. А. В. Computer-Assisted Structure Elucidation./ New-York: Wiley & Sons, 1986. -536 p.
- Computer-Supported Spectroscopic Databases. /Zupan J., Ed. Chichester, Ellis Horwood, 1986. -344 p.
- Искусственный интеллект. Применение в химии. /Под ред. Пирса Т., Хони Б. М. -. Москва: Мир, 1988. 430 с.
- Математические методы и ЭВМ в аналитической химии. М.: Наука, 1989. — 350с.
- Computing applications in molecular Spectroscopy. George W., Steele D., Eds. Cambridge, U.K.: Royal Society of Chemistry, 1995. 430 p.
- Jurs Peter C. Computer software application in chemistry. New-York: Wiley & Sons, 1996.-390 p.
- Luinge H.J. Automated interpretation of vibrational spectra.// Vib. Spectroscopy. 1990. — Vol.1.-P. 13−18.
- M. E. Эляшберг. Экспертные системы для молекулярного спектрального анализа.//ЖАХ. 1992. — Т. 47. — №. 6. — С. 966−981.
- Warr W.A. Computer-Assisted Structure Elucidation. Part 1. Library search and spectral data collections. //Anal. Chem. 1993, — Vol. 65. — P. 1045A-1050A.123
- Warr W.A. Computer-Assisted Structure Elucidation. Part 2. Indirect database approaches and established systems. //Anal. Chem. 1993.- Vol. 65. — P. 1087A-1095A.
- Лебедев К.С., Дерендяев Б. Г. Компьютерные методы решения структурно-аналитических задач с помощью банков данных по молекулярной спектроскопии (МС, ИК, ЯМР). //Химия в интересах устойчивого развития. 1995. — Т.З. — С. 269−285.
- М. Е. Эляшберг. Экспертные системы для установления структуры органических молекул спектральными методами. //Успехи химии. 1999. — Т. 68. — С. 579−604.
- Подгорная М.И., Дерендяев Б. Г. Базы данных по ИК спектроскопии органических соединений. //БТИ. Сер. 2. — № 9. — С. 1−5.
- Davies A.N., Mcinture P. S. Spectroscopic Databases. In Computing applications in molecular Spectroscopy. George W., Steele D., Eds. Cambridge, U.K.: Royal Society of Chemistry, 1995. P. 41−59.
- Беллами Д. Инфракрасные спектры сложных молекул. Москва: Изд-во иностран. лит., 1963. 590 с.
- Socrates G. Infrared Characteristic Group Frequencies. Tables and Charts. New York: Wiley & Sons, 1994. 549 p.
- Guelachvili G., Rao K.N. Handbook of Infrared Standards. London: Academic Press Inc., 1986. 852 p.
- Dolphin D., Wich A. Tabulation of Infrared Spectral Data. New-York: Wiley & Sons, 1977.- 549 p.
- The Sadtler Standard Spectra: Infrared Grating Spectra. Philadelphia, Sadtler Research Laboratories. 1980.124
- Pretch E., Clerc J.- T., Bendl J. Spectroscopic data banks. //Fresenius Z. Anal. Chem. 1986. — Vol. 324. — P. 714−719.
- Averil D.F., Baird K.S., Hopkins L.L., Yerkes M.J. J. //Chem. Inf. Comput. Sci. 1990.-Vol. 30.-P. 133−136.
- Koptyug V.A., Ulyanov G.P., Derendyaev B.G. and oth. Creation and Capabilities of Computerized Data Banks Containing Information on Chemical Structures and Properties.// COD ATA bull.- 1981. Vol. 40. — P. 45−53.
- Yamamoto O., Someno K., Wasada N., Hiraishi J., Hayamizu K., Tanabe K., Tamura T and Yanagisava M. An Integrated Spectral Data Base System Including IR, MS, 1H-NMR, 13C-NMR, ESR and Raman Spectra. //Anal. Sciences. 1988. — Vol. 4. — P. 233−239.
- Grasselli J.G. Specifications for infrared reference spectra of molecules in the vapor phase. //Pure & Appl. Chem. 1987. — Vol. 59. — №.5. — P. 673−681.
- Kalashinsky K. S., Griffiths P. R., Gurka D. F., Lowry S. R, B. Michael. Co-blentz specifications for infrared reference spectra of materials in the vapor phase above ambient temperature. //Appl. Spectrosc. 1990. — Vol. 44. — № 2. -P. 211−215.
- McDonald R. S. and Wilks P. A. JCAMP-DX: A standart form for exchange of infrared spectra in computer readable form. //Appl. Spectrosc. 1988. -Vol. 42.-№ 1.-P. 151−162.
- Davies A. M. Spectroscopy data transfer standart. //Spectrosc. Int. 1991. -Vol. 3. -№ 2. -P. 16−18.
- Sperline R.P. Program for Spectral Data Transfer from Perkin-Elmer 7000 Series Spectrometer Computers to IBM-PC Compatible Computers. //Appl. Spectr. 1991. — Vol. 45. — P. 1046−1047.125
- Buchi R., Clerc J.Т., Jost Ch., Koenitzer H. and Wegmann D. Compilation of Computer Readable Spectra Libraries: General Concepts. //Anal. Chim. Acta. — 1978. — Vol. 103. — P. 21−27.
- Heller S. R. The chemical information system and spectral data bases. //J. Chem. Inf. Comput. Sci. 1985. — Vol. 25. — № 3. — P. 224−231.
- Heller S. R. Computerized spectroscopy databases. //Chem. Int. 1991. — Vol. 13,-№ 6.-P. 235−238.
- Rumble, Jr., J.R., Lide, Jr., D. R. Chemical and Spectral Databases: A Look into the Future. //J. Chem. Inf. Comput. Sci. 1985. — Vol. 25. — № 3. — P. 231 235.
- Heller S.R. The Realities of Developing Computer Readable Numeric Databases. //IUPAC, Pure and Applied Chemistry. 1995. — Vol. 67. — P. 10 271 030.
- Sparks R.A. Storage and Retrieval of Wyandotte-ASTM Infrared Spectral Data Using an IBM 1401 Computer. /ASTM: Philadelphia, PA, 1964.
- Tanabe К and Saeki S. Computer Retrieval of Infrared Spectra by a Correlation Coefficient Method. //Anal. Chem. 1975. — Vol. 47. — P. 118−122.126
- Lowry S.R., Huppler D.A., Anderson C.R. Data Base Development and Search Algorithms for Automated Infrared Spectral Identification. //J. Chem. Inf. Comput. Sci. 1985. — Vol. 25. — № 3. — P. 235−241.
- Saeki S., Tanabe K. Full Automation of Infrared Qualitative Analysis Binary Mixtures by Use of a Spectral Use Compilation. //Appl. Spectrosc. 1984. -Vol. 38. — P.693−697.
- Powell L.A., Hieftje G.M. Computer Identification of Infrared Spectra by Correlation Based File Searching. //Anal. Chim. Acta. 1978. — Vol. 100. — P. 313−320.
- Ehrentreich F. Derivation of Substructures from Infrared Band Shapes by Fuzzy Logic and Partial Cross Correlation Functions. //Fresenius J. Anal. Chem. 1997. — Vol. 359. — P. 56−60.
- Jung-Pin Y., Friedrich H.B. Odd Moments of the Cross-Correlation Function for Library Searching of Infrared Spectra. //Appl. Spectr. 1987. — Vol. 41. -№ 5. — P. 869−874.
- Delaney M.F., Hallowell, Jr., J.R., Warren, Jr., V.F. Optimization of a Similarity Metric for Library Searching of Highly Compressed Vapor-Phase Infrared Spectra. //J. Chem. Inf. Comput. Sci. 1985 — Vol. 25. — P. 27−30.
- Ehrentreich F. Representation of Extended Infrared Spectrum-Structure-Correlations Based on Fuzzy Theory. //Fresenius J. Anal. Chem. 1997. -Vol. 357. — P. 527−533.
- Fuller M., Rosental R. Spectral Library Searshing and FT IR/FT Spectroscopies. Effects of resolution and Searsh Algorithms. //SPIE-Int. Soc. Opt. Eng. -1993. Vol. 2089. — P. 440−441.127
- Penchev P.N., Sohou A.N., Andreev G.N. Description and Performance Analysis of an Infrared Library Search System. //Spectrosc. Lett. 1996. -Vol. 29.-P. 1513−1522.
- Kavak H., Esen R. Spectrum Comparison of IR Data Taken from Different Spectrometers with Various Precision. //J. Chem. Inf. Comput. Sci. 1993. -Vol. 33. — P. 595−597.
- Лебедев K.C., Шарапова O.H., Коробейничева И. К., Кохов В. А. Опознание крупных структурных фрагментов неизвестного соединения с помощью поисковой системы по ИК-спектрам. //Сиб. химический журнал. 1993.-Т. 1.-С. 50−56.
- J.W. Sherman, J.A. de Haseth and D.G. Cameron. A Window Fourier-Domain Infrared Search System. //Appl. Spectrosc. 1989. — Vol. 43. — P. 1311−1316.
- Kawata S., Noda Т., Minami S. Spectral Searching by Fourier Phase Correlation. //Appl. Spectrosc. 1987. — Vol. 41. — P. 1176−1188.
- Hangac G., Wieboldt R.C., Lam R.B., Isenhour T.L. Compression of an Infrared Spectral Library by Karhunen-Loeve Transformation. //Appl. Spectrosc. -1982. Vol. 36. — P. 40−44.
- Williams S.S., Lam R.B., Isenhour T.L. Searsh System for Infrared and Mass Spectra by Factor Analysis and Eigenvector Projection. //Anal. Chem. 1983. -Vol. 55. -№ 7. — P. 1117−1121.
- Harrington P.В., Isenhour T.L. Compression of Infrared Libraries By Eigenvector Projection. //Appl. Spectrosc. 1987. — Vol. 41. — № 3. — P. 449−453.
- Harrington P.B., Isenhour T.L. Closure Effects of Infrared Library Search Performance. //Anal. Chem. 1988. — Vol. 60. — P. 2667.128
- Wang C.P., Isenhour T.L. Infrared Library Search on Principal-Component-Analyzed Fourier-Transform Absorption Spectra. //Appl. Spectrosc. 1987. -Vol. 41.-P. 185−194.
- Anderegg R.J., Pyo D. Selctive Reduction of Infrared Data. //Anal. Chem. -1987. Vol. 59. — P. 1914−1919.
- Cooper J.R., Wilkins C.L. Utilization of Spectrometric Information in Linked Gas Chromatography-Furier Transform Infrared Spectroscopy-Mass Spectrometry. //Anal. Chem. 1988. — Vol. 61. — P. 1571−1576.
- Bierga J.M., Small G.W. //Anal. Chem. 1990. — Vol. 62. — P. 226-,
- Zupan J., Munk M.E. Hierarchical Tree Based Storage, Retrieval and Interpretation of Infrared Spectra. //Anal. Chem. 1985. — Vol. 57. — P. 1609−1615.
- Penca M., Zupan J., Hadzi D. Hierarchical preprocessing of infrared data files. Anal. Chim. Acta. 1977. — Vol. 95. — P. 3−12.
- Zupan J., Munk M.E. Feed Back Search of Hierarchical Trees.//Anal. Chem. -1986. Vol. 58. — № 14. — P. 3219−3225.
- Blaffert T. Computer-Assisted Multicomponent Spectral Analysis With Fuzzy Data Set. //Anal.Chim. Acta. 1984. — Vol.161. — P. 135−148.
- Delaney M.F., Warrren, Jr. F.V., Hallowell, Jr. J.R. Quantitative Evaluation of Library Searching Performance. //Anal. Chem. 1983. — Vol. 55. — P. 19 251 929.
- Hallowell, Jr. J.R., Delaney M.F. Effect of Noise on Spectral Library Searching Performance. //Anal. Chem. 1987. — Vol. 59. — P. 1544−1549.
- Harrington P.B. and Isenauer T.L. A Quantitative Measure of the Reliability of Searches of Spectral Libraries. //Anal. Chim. Acta. 1987. — Vol. 197. — P. 105−119.129
- Harrington P.B., Isenhour T.L. //Appl. Spectrosc. 1987. — Vol. 41. — P. 1298.
- Clerc J.T. Automated Spectra Interpretation and Library Searsh. //Comput.-enhansed Anal. Spectrosc. 1987. — Vol. 1. — P. 146−161.
- Piottukh-Peletsky V.N., Derendyaev B.G. Which IR Search System is Better for Selection of Unknown Structure Analogues? //Anal. Chim. Acta. 1999. -Vol. 396. — P. 99−103.
- Rasmussen G.T., Isenhour T.L.Library Retrieval of Infrared Spectra Based on Detail Intensity Information. //Appl. Spectrosc. 1979. — Vol. 33. — P.371−376.
- Ruprecht M., Clerc J. T. Performance Analysis of a Simple Infrared Library Search System. //Chem. Inf. Comput. Sci. 1985. — Vol. 25. — № 3. — P. 241 244.
- Clerc J.Т., Pretsch E., Zuercher M. Performance Analysis of Infrared Library Search Systems. //Microchim. Acta. 1986. — Vol. 2. — P. 217−242.
- Affolter C., Clerc J.T. Estimation of the Performance of Spectroscopic Library Search Systems. //Fresenius J. Anal. Chem. 1992. — Vol. 344. — № 4/5. -P. 136−139.
- Sadtler IR Digital Spectra Libraries. London: Heiden & Son Ltd, 1990. 10 p.
- Пиоттух-Пелецкий В.Н., Подгорная М. И., Смирнов В. И., Шарапова О. Н. Информационно-поисковая система ИК-спектроскопии (ИПС-ИК). /Методическое пособие. НИОХ СО АН СССР, Новосибирск, 1986.130
- Нигматуллин Р.С., Смирнов В. И. Статистический метод составления и использования корреляционных таблиц для ИК спектроскопии. //Журн. прикл. спектроскопии. 1974. — Т. 21. — С. 307−313.
- Смирнов В.И., Фролова Л. В., Шарапова О. Н. Информационно-поисковая система ИК-спектроскопии BANKIR-PC. //IX Всесоюз. Конф. Химическая Информатика Черноголовка, 1992 г. Тезисы докладов, частьП. С. 227−228.
- Пиоттух-Пелецкий В.Н., Дерендяев Б. Г., Шарапова О. Н. Количественная оценка взаимосвязи спектрального и структурного подобия в ИК спектроскопии. //Журн. структ. химии. 2000. — Т. 41. — С. 379−389.
- Пиоттух-Пелецкий В.Н., Коробейничева И. К., Дерендяев Б. Г. Определение фрагментного состава соединения с использованием базы данных по ИК спектроскопии. //ЖАХ. 1999. — Т. 54. — С. 1020−1030.
- Varmuza К., Penchev P.N., Scsibrany Н. Maximum Common Substructures of Organic Compounds Exhibiting Similar Infrared Spectra. //J Chem. Inf. Comput. Sci. 1998. — Vol. 38. — P. 420−427.
- Savitzky A. The Evolution of an Automated IR Spectra Interpretation System. //Computer-Enhanced Analytical Spectroscopy. 1987. — Vol. 1. -P. 183−199.131
- Коптюг В.А., Бочкарев B.C., Дерендяев Б. Г. и др. Использование ЭВМ при решении структурных задач органической химии методами молекулярной спектроскопии. //ЖСХ. 1977. — Т 18. — С. 440−459.
- Дерендяев Б.Г., Лебедев К. С., Строков И. И. и др. Представление и манипулирование спектроструктурными данными в информационных системах по молекулярной спектроскопии.// Химия в интересах устойчивого развития. 1998. — Т. 6. — С. 25−39.
- Bremser W., Fachinger W. Multidimensional Spectroscopy. //Magnetic Resonance in Chemistry. 1985. — Vol. 23. — № 12. — P. 1056−1071.
- Bremser W., Grzonka M. Speclnfo a Multidimensional Spectroscopic Interpretation System. //Microchim. Acta. — 1991. — Vol. 11. — P. 483−491.
- Barth A. Speclnfo: A Integrated Spectroscopic Information System. //Chem. Inf. Comput. Sei. 1993. — Vol. 33. — P. 52−58.
- Hearmon R. A. Wide Area Access to Central Corporate Spectroscopic Databases. //Fresenius J. Anal. Chem. 1992. — Vol. 344. — № 4/5. — P. 164−166.
- Canzler D. and Hellenbrandt M. SPECINFO The Spectroscopic Information System on STN International. //Fresenius J. Anal. Chem. — 1992. — Vol. 344. -№ 4/5.-P. 167−172.
- Nekhoroshev S.A., Lebedev K.S., Derendyaev B.G. and oth. Computer-Aided Molecular Formula Determination from Mass, *H and 13C NMR Spectra. //J. Chem. Inf. Comput. Sei. 1992. — Vol. 32. — P. 255−230.
- Lebedev K.S., Derendyaev B.G., Nekhoroshev S.A. and oth. Computer-Aided Determination of Microfragmentary Composition by Mass, 'IT and 13C NMR Spectra. //J. Comput. Chemistry. 1994. — Vol. 18. — P. 81−89.132
- Лебедев К.С. Использование баз данных по ИК- и масс-спектрам для установления строения органических соединений. //ЖАХ. 1993. — Т. 48. -С. 851−863.
- Киршанский С.П., Лебедев К. С., Дерендяев Б. Г. и др. Извлечение структурной информации из масс-спектров с помощью ЭВМ. XI. Аналитические возможности системы Компас-МС. //ЖАХ. 1987. — Т. 12, — С. 13 201 329.
- Нехорошев С.А., Дерендяев Б. Г., Киршанский С. П. и др. Информационный поиск средство предсказания брутто-формулы соединений по его масс-спектру. //Там же. — С. 1312−1319.
- Lebedev K.S., Cabrol-Bass D. New Computer Aided Methods for Revealing Structural Features of Unknown Compounds Using Low Resolution Mass Spectra. //J. Chem. Inf. Comput. Sci. 1998. — Vol. 38. — P. 410−419.
- Debska B. SCANNET: a Spectroskopy Database. //Anal. Chim. Acta. 1992. -V. 265.-P. 201−209.
- Debska B.J., Guzovska-Swider B. Knowledge Discovery in an Infrared Database. //Comput. Chem. 1997. — Vol. 21. — P. 51−59.
- Debska B.J., Guzovska-Swider B. The Methodology of Knowledge Acquisition from the Collection of IR and UV Spectra. //Fresenius J. Anal. Chem. -1998. Vol. 361. — P. 235−238.
- Zupan J., Репса M., Razinger M. And Barlic В., Hadzi D. KISIK A combined chemical information system for a minicomputer. //Anal. Chim. Acta, -1980.-Vol. 122.-P. 103−115.
- Cadisch M., Pretsch E. Spectool: a Knowledge-Based Hypermedia System for Interpreting Molecular Spectra. //Fresenius J. Anal. Chem. 1992. — Vol. 344. -№ 4/5. — P. 173−177.133
- Strokov I.I., Lebedev K.S. New Modular Architecture for Chemical Structure Elucidation Systems. //J. Chem. Inf. Comput. Sci. 1996. — Vol. 36. — P. 741 745.
- Строков И.И., Лебедев K.C., Дерендяев Б. Г. Представление структурной информации и поиск структурных аналогов в базах данных по молекулярной спектроскопии. //Журн. структ. химии. 1996. — Т. 37. — С. 11 291 139.
- Серов В.В., Эляшберг M. Е., Петров В. Е. Реализация экспертной системы для молекулярной спектроскопии РАСТР-4 на языке Пролог. /В сб. Математические методы и ЭВМ в аналитической химии. Москва: Наука, 1989.-С. 150−156.
- Elyashberg M. Е., Serov V. V., Martirosian Е. R. et al. An Expert System for Molecular Structure Elucidation Based on Spectral Data. //J. Mol. Struct. -1991.-Vol. 230.-P. 191−203.
- Эляшберг M. E. Экспертные системы для молекулярного спектрального анализа. //ЖАХ. 1992. — Т. 47. — С. 966−981.
- Эляшберг M. Е., Карасев Ю. 3., Мартиросян Э. Р. Методологические вопросы использования экспертных систем для установления структуры органических молекул по их спектрам. //Журн. структ. химии. 1995. — Т. 36. — С. 548−558.
- Tiele H., Somberg H. X-PERT A New Expert System for Structure Elucidation.//
- Http://www.bruker.com/nmr/software/winhome/docucntr/doc006/document.h jy-tm
- Elyashberg M.E., Karasev Yu.Z., Martirosyan E.R., Tiele H., Somberg H. Expert Systems as a Tool for the Molecular Structure Elucidation de Spectral134
- Methods. Strategy of Solution to the Problems. //Anal. Chim. Acta. 1997. -Vol. 348. — P. 443−463.
- Luinge H.J., van’t Klooster H.A. Artificial intellegence used for the interpretation of combined spectral data. //Trends Anal Chem. 1985. — Vol. 4. — P. 242−243.
- Kleywegt G.J., Luinge H.J., Schuman B.J.P. Prolog for Chemists. Part 2. //Ibid. 1989.-Vol. 5.-P. 117−128.
- Luinge H. J. EXSPEC, a knowledge-based system for interpretation of infrared spectra. //Anal. Proc. 1990. — Vol. 27. — P. 267−268.
- Sasaki S., Fujirava I., Abe H., Yamasaki T. A Computer Program System -New CHEMICS for Structure Elucidation of Organic Compounds by Spectral and Other Structural Information. //Anal. Chim. Acta. — 1980. — Vol. 122. -P. 87−94.
- Sasaki S.-I., Kudo Y. Structure Elucidation System Using Structural Information from Multisourses: CHEMICS. //Chem. Inf. Comput. Sci. 1985. — Vol. 25. — P. 252−257.
- Funatsu K., Del Carpio C.A., Sasaki S. Automated Structure Elucidation System CHEMICS. // Fresenius' Z. Anal. Chem. — 1986. — vol. 324. — P. 750−759.135
- Funatsu K., Nobuyoshi M., Sasaki S.-I. Futher Development of Structure Generation in Automated Structure Elucidation System CHEMICS. //J. Chem. Inf. Comput. Sci. 1987. — Vol. 28. — P. 18−28.
- Funatsu K., Susuta Y., Sasaki S.-I. Application of Infrared Data Analysis Based on Symbolic Logic in Automated Structure Elucidation by SHEMICS.^ //Anal. Chim. Acta. 1989. — Vol. 220. — P. 155−169.
- Curry B. An Expert System for Organic Structure Determination. //ACS Symp. Ser. 1986. — Vol. 306. — P. 350 -364.
- Curry B. A Distributed Expert System for Interpretation of GC/IR/MS Data. //Computer-Enhanced Analytical Spectroscopy. 1990. — Vol. 2. — P. 183−209.
- Huixiao H., Xinquan X. ESSESA: An Expert System for Elucidation of Structures from Spectra. 1. Knowledge Base of Infrared Spectra and Analysis and Interpretation Programs. //J. Chem. Inf. Comput. Sci. 1990. — Vol. 30 -P. 203−210.
- Huixiao H., Yinling H., Xinquan X., Yuefeng S. ESSESA: An Expert System for Elucidation of Structures from Spectra. 6. Substructure Constraints from Analysis of 13C-NMR Spectra. //J .Chem. Inf. Comput. Sci. 1995. — Vol. 35. — № 6. — P. 979−1000.
- Woodruff H.B., Smith G.M. Computer Program for the Analysis of Infrared Spectra. //Anal. Chem. 1980. — Vol. 52. — P. 2321−2327.
- Woodruff H.B., Smith G.M. Generating Rules for PAIRS-A Computerized Infrared Spectral Interpreter. //Anal. Chim. Acta. 1981. — Vol. 133. — P. 545 553.
- Tomellini A., Saperstein D.D., Stevenson J.M., Smith G.M., Woodruff H.B., Seelig P.F. Automated Interpretation of Infrared Spectra with an Instrument Based Microcomputer. //Anal. Chem. 1981. — Vol. 53. — P. 2367−2369.136
- Tomellini S.A., Stevenson J.M., Woodruff H.B. Rules for Computerized Interpretation of Vapor-Phase Infrared Spectra. //Anal. Chem. 1984. — Vol. 56. — P. 67−70.
- Tomellini S.A., Hartwick R.A., Stevenson J.M., Woodruff H.B. Automated Rules Generation for the Program for the Analysis of Infrared Spectra (PAIRS). //Anal. Chim. Acta. 1984. — Vol. 162. — P. 227−240.
- Woodruff H.B. Using Computers to Interpret IR Spectra of Complex Molecules. //Trends in Anal. Chem. 1984. — Vol. 3. — P. 72−75.
- Smith G.M., Woodruff H.B. Development of Computer Language and Compiler for Expressing the Rules of Infrared Spectral Interpretation. //J. Chem. Inf. Comput. Sci. 1984. — Vol. 24. — P. 33−39.
- Tomellini S.A., Hartwick R.A., Woodruff H.B. Automatic Tracing and Presentation of Interpretation Rules Used by PAIRS: Program for the Analysis of IR Spectra. //Appl. Spectrosc. 1985. — Vol. 39. — P. 331−333
- X. Вудрафф, С. Томеллини, Г. Смит. Определение фрагментов структуры путем автоматической интерпретации ИК-спектров. /В кн. Искусственный интеллект: применение в химии. Москва: Мир, 1988. С. 346 354.
- Saperstein D.D. Methodology for Evaluating and Optimizing Infrared Interpretation. //Appl. Spectr. 1986. — Vol. 40. — № 3. — P. 344−348.
- Wythoff B.J., Buck C.F., Tomellini S.A. Descriptive Interactive ComputerAssisted Interpretation of Infrared Spectra. //Anal. Chim. Acta. 1989. — Vol. 217.-P. 203−216.
- Tomellini S.A., Wythoff B.J., Levine S.P. Developing Knowledge- Based Systems for Interpreting Infrared Spectra. //Computer-Enhanced Analytical Spectroscopy. 1992. — Vol. 13. — P. 215−238 137
- Andreev G.N., Argirov O.K. and Penchev P.N. Expert System for the Interpretation of Infrared Spectra. //Anal. Chim. Acta. 1993. — Vol. 284. — P. 131 136.
- Andreev G.N., Argirov O.K. EXPIRS, an Expert System for Generation of Alternative Sets of Substructures, Derived by Infrared Spectra Interpretation. //Anal. Chim. Acta. 1996. — Vol. 321. — P. 105−111.
- Visser Т., van der Maas J.H. Systematic Computer-Aided Interpretation of Vibrational Spectra. //Anal. Chim. Acta. 1980. — Vol. 122. — P. 357−361.
- T. Visser and J.H. van der Maas. Systematic Computer-Aided Interpretation of Infrared and Raman Vibrational Spectra Based on CRISE Program. //Anal. Chim. Acta. 1980. — Vol. 122. — P. 363−372.
- Edwards P., Ayscough P.B. A Cooperative Approach to the Structure Elucidation Problem. //Chemom. Int. Lab. Syst. 1988. — Vol. 5 — P. 83−93.
- Blaffert T. EXPERTISE An Expert System for Infrared Spectra Evaluation. //Anal. Chim. Acta. — 1986. — Vol. 191. — P. 161−168.
- Farkas M., Markos J., Szepesvary P., Bartha I., Szalontai G., Simon Z. A Computer-Aided System for Organic Functional Group Determination. //Anal. Chim. Acta. 1981. — Vol. 133. — P. 19−30.
- Szalontai G., Simon Z., Csapo Z., Farkas M., Pfeifer G. Use of IR and 13C-NMR Data in the Retrieval of Functional Groups for Computer-Aided Structure Determination. //Anal. Chim. Acta. 1981. — Vol. 133. — P. 31−40.
- Pyo D. Expert System Approach for Spectra-Structure Correlation for Vapor-Phase Infrared Spectra. // Vib. Spectroscopy. 1993. — Vol. 5. — P. 263−273.
- Дерендяев Б.Г., Пиоттух-Пелецкий В.Н., Макаров Л. И., Скоробогатов В. А. Взаимосвязь подграфов молекулярных графов и свойств органических соединений. В сб. Интеграционные программы фундаментальных исследований. Новосибирск: изд. СО РАН, 1998.
- Dayringer Н.Е., Pesyna G.M., Venkataraghavan P., McLafferty F.W. Computer-Aided Interpretation of Mass Spectra. //Organic Mass Spectrometry. -1986.-Vol. 11. P. 529−536.
- Вентцель E.C. Теория вероятностей. /Москва: Физматгиз, 1968. С. 58
- Molodtsov S.G. Generation of Molecular Graphs with a Given Set of Nonoverlapping Fragments.// MATCH 1994. — v. 30. — P. 203−212.
- Molodtsov S.G. Computer-Aided Generation of Molecular Graphs.// Ibid. -P. 213−224.