Charlie’s path to dEAth

原文在 Have your hamburger and eat it - Edit molecules in PDFs。虽然讲的是“编辑PDF中的结构式”，实际上的核心意思是通过OCR的手段，将结构式还原回来。

OCR文字，识别个名片简单，但是恢复带有图型结构的化学结构式图片，看起来就不那么容易了。这篇文章里提供的工具，却偏偏很容易。

核心的软件是BKChem，是基于Python的开源化学信息学软件。很可惜这个网站在国内被盾住了，上传一个在这里。

Windows环境下软件配置的步骤是

1. 安装Python
2. 按照Python的版本安装 Python Imaging Library
3. 下载并且安装BKChem-0.12.5.zip。国内下载不了请用这个链接。
4. 下载 convert_clipboard_image.py 和 convert_clipboard_image.xml 这两个文件，放在BKChem的plugins文件夹里。这个文件夹一般的路径是这样的 C:\Python25\share\bkchem\plugins
5. 下载osra-mingw-1-1-0.zip，解压。在系统变量中，设置OSRA变量的值是解压后文件夹中osra.exe的绝对路径。

软件使用的方法是

1. 在C:\Python25\Lib\site-packages\bkchem路径下，双击bkchem.py，运行BKChem。
2. 在打开的PDF/ Word/ 画图板等软件中拷贝结构式图型。
3. 在BKChem中点击plugins菜单下的"Paste and Convert Image"，就可以开始转换了。

然后呢，当然就是继续编辑这个结构式啦。与其他OCR一样，在准确性是不能达到100%的。往往一些环结构会断掉，特殊的元素、手性键会认错。

不过这已经离可以转换成mol/ SMILES/ InChI格式的结构式不远了。

090218, update

Optical Structure Recognition Software To Recover Chemical Information: OSRA, An Open Source Solution

Filed by charlie at 5:45 pm under Tools, chemoinformatics
No Comments

非常值得看的一段视频，数据可视化演示得精彩。

讲演的大爷以前是研究社会发展的，研究的数据也与此有关。其中一共有三个片段分别提到了中国。对中国的发展历程，展示的很生动。

家庭人口和人均寿命

• 纵坐标是平均寿命，横坐标是家庭人口（准确讲是“每个母亲的孩子数”）。
• 总体来讲，是发展中国家（红点）家庭人口多，平均寿命低，发达国家相反。
• 62年时，最左边的大红点是中国，下面的红点是印度。那个时候中国就比印度平均寿命高。
• 随着时间变化，国家都在发展，大多数国家都移动到了“家庭人口少，平均寿命高”的位置。
• 中国的发展速度，始终是领先于印度。
• 中国在60年代有一次很诡异的平均寿命下降的动作，是那场天灾人祸。
• 中国跑得快，肯定和计划生育相关。

婴儿的成活率

• 世界各国的婴儿成活率（纵轴），与经济水品（横轴GDP）有明显的线性关系。
• 中国（图中的大黄点），在时间上的变化很有趣。
• 1978年之前的“毛时代”，中国的经济水品一直处于世界的末位，但是婴儿的成活率却是大大高于这条规律直线。这就是成就。很多人怀念、赞赏毛时代的体制，不全无道理。
• 1978年之后的“邓时代”，中国的经济水平迅速攀升，但是婴儿成活率却没有提高。加迅速地回归到规律直线。
• 简单的讲，改革开放后中国人生活水准的提高速度，与中国经济发展的速度不匹配。

收入分布

• 红色是中国的收入分布；绿色是美国。
• 在1972年，“根本没有交集”，美国最穷的人也比中国最富的人有钱。
• 曲线的宽度是贫富差距。1972年中国贫富差距很小，美国很大。
• 1999年，中国“像一个幽灵一样”，扑向美国。这段动画非常形象。
• 但是1999年，中国的收入分布形状，很明显地展示了中国的贫富差距增大的趋势。

 

Filed by charlie at 8:56 pm under BI, Life
No Comments