Big Data se tornou onipresente nos últimos anos, e especialmente em disciplinas com padrões de dados heterogêneos e complexos. Isso é particularmente verdadeiro para a química. Em algumas formas, compostos químicos podem ser comparados com sinônimos em linguística porque um composto particular pode ser representado de várias maneiras. Para complicar ainda mais as coisas, alguns deles nem mesmo possuem uma estrutura específica e existem apenas como um amálgama de formas que se transformam umas nas outras. Por isso é importante que os pesquisadores saibam se estão lidando com compostos diferentes ou com representações diferentes do mesmo.

As vezes, os bancos de dados também apresentam erros decorrentes da falta de atenção do usuário. Um software especial é necessário para detectar e corrigir esses erros. No caso da química orgânica, as reações são notoriamente difíceis de analisar. É por isso que os dados de reação em quimioinformática são muito menos desenvolvidos do que as informações sobre moléculas individuais.

O Laboratório de Quimioinformática e Modelagem Molecular (Universidade Federal de Kazan) vem trabalhando neste problema desde 2013. Os pesquisadores aprenderam a prever as características da reação, encontrar as condições ideais de reação, e detectar e corrigir erros de dados. Como resultado, surgiu um banco de dados único de características de reação. Atualmente, inclui 3,5 milhões de entradas. KFU é o único membro russo da Reaxys R&D Collaboration, um coletivo trabalhando em bancos de dados químicos.

Neste novo projeto, intitulado CGRtools, Os pesquisadores do KFU resolveram vários problemas para lidar melhor com as informações de reação. A biblioteca de software é significativamente mais rica em funcionalidades do que todas as ferramentas existentes. CGRtools suporta moléculas e reações como objetos. CGRtools trata objetos químicos de forma semelhante aos tipos de dados Python padrão, como inteiros, cordas, etc. Todo objeto químico é hashable devido à canonização da numeração do átomo. Os objetos suportam herança de classe transparente, que aumenta os métodos e atributos existentes sem quebrar os existentes.

Mais importante, a biblioteca está disponível gratuitamente em https://github.com/cimmkzn/CGRtools.