Moléculas do ano 2023 – parte 2. Um comentário de dados FAIR sobre um metaloceno de estrôncio.

Abordarei este exemplo de candidato à molécula do ano – na verdade o eventual vencedor na enquete do leitor – do ponto de vista dos dados. É um metaloceno organizado na forma de um anel composto por 18 subunidades.(cite)10.1038/s41586-023-06192-4(/cite) Grande o suficiente para merecer um modelo 3D em vez das imagens estáticas que você quase invariavelmente obtém em periódicos (e C&EN). Então, como ir ao diário e adquirir as coordenadas para tal modelo?

Bem, hoje em dia os periódicos mais conceituados incluem uma declaração de “disponibilidade de dados”, que neste caso é indicada por meio de um identificador estilo URL para informações de apoio. A propósito, isso significa que esse identificador pode não ser persistente, pois o caminho para o documento na string https://static-content.springer.com/esm/artpercent3A10.1038percent2Fs41586-023-06192-4/MediaObjects/41586_2023_6192_MOESM1_ESM.pdf pode mudar no futuro de acordo com os fluxos de trabalho de produção dos editores. O arquivo Acrobat contém as coordenadas necessárias, das quais dou uma pequena amostra aqui:

18‐ring
‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐
1386
Vitality = ‐29312.63737385 dispersion contribution = ‐2.415738946
C 5.1700172 1.6243489 ‐11.0779621
C 5.6857216 1.5855492 ‐12.4187559
C 6.0496599 0.6048512 ‐13.3969079
C 6.1219344 ‐0.8254711 ‐13.5066237

Selecionei as coordenadas da molécula no PDF, colei em um editor de texto e depois passei alguns minutos removendo as linhas em branco estranhas resultantes devido às quebras de página presentes no documento PDF (um formato de documento paginado NÃO é um bom veículo para dados!) . Em seguida, adicionei mais linhas (no topo e na cauda) para, por exemplo, torná-lo visível usando um editor molecular como o Gaussview, apenas para obter o seguinte erro.

Um pouco de pesquisa leva, por exemplo, à seguinte página: A diferença entre um travessão e um sinal de menos. Lá você encontra quatro glifos diferentes, qualquer um dos quais pode parecer um sinal de menos – na verdade, pode haver mais. A seguir, usando o seguinte recurso: https://www.fontspace.com/unicode/analyzer#e=4oCQ nos diz que o “-” encontrado nas informações de apoio é na verdade um “hífen“. Digitado em um teclado como “-”, aprende-se que é um “hífen-menos“. Há também “-” que surge como um “Sinal de menos“, enquanto um “-” emerge como um “PT Traço“. Ainda está confuso? Bem, tudo depende se o criador do programa de visualização molecular que você está prestes a usar incluiu todas essas variações no código do programa. Neste caso claramente não, uma vez que um hífen não é reconhecido. Depois de chegar a esse estágio, cerca de 30 minutos de coçar a cabeça ocasional se passaram e você ainda descobriu como fazer uma localização international e substituir um hífen por um sinal de menos usando seu software program preferido.

O que tudo isso tem a ver com FAIR? Isso significa Findestrutível, UMacessível, EUinteroperável e Rutilizável. E essas ações têm de ser possíveis não apenas por um ser humano, mas por um sistema autónomo e provavelmente não supervisionado que recolha dados para aprendizagem automática ou inteligência synthetic. A descoberta foi facilitada pela declaração de “disponibilidade de dados” usando o artigo DOI (um identificador totalmente persistente), mas provavelmente apenas um ser humano poderia realmente lidar com a diversidade de apresentações de dados encontrados em vários editores (portanto, para ser técnico, o acesso a localização dos dados de suporte raramente ou nunca é realmente declarada no registro de metadados associado ao DOI, que é o que uma máquina precisaria para acessar os dados). O Acesso neste caso significa resolver a URL acima, mas somente se ela não mudar no futuro! Mas a próxima parte, a interoperabilidade, é um desafio maior. Como eu, muitos humanos também podem demorar 30 minutos, ou simplesmente desistir, para lidar com o desafio de reconhecer que um hífen não é um sinal de menos! Portanto, embora estejamos gratos por essa declaração de “disponibilidade de dados”, sonho com o dia em que isso se torne de facto uma declaração de “disponibilidade de dados JUSTA”!^‡ Ainda não há muitos sinais de que isso aconteça. Acho que os algoritmos de IA ficarão, de fato, mais inteligentes e mais rápidos do que as pessoas para lidar com esses problemas.

De qualquer forma, agora você tem um modelo 3D do 18-metaloceno como a molécula selecionada do ano deste ano! Clique na imagem acima para carregá-la.

^‡Por exemplo, os dados deste submit estão disponíveis em um repositório FAIR, com o identificador DOI persistente: https://doi.org/10.14469/hpc/13536. Contém as coordenadas otimizadas usando o método PM7. Estas são muito pouco diferentes das coordenadas do artigo, que foram obtidas usando o método PBE0/Def2-TZVP, um cálculo notável visto que utiliza 21618 funções básicas!

Relacionado