研究課題と適用範囲
MolScribeは分子構造図から構造を予測します。ここでの目的は、解析可能な文字列を得るだけでなく、原図と照合済みの構造記録を作ることです。論文図や手元の画像を扱う場合は原画像と出典を保存します。公式リポジトリにはSMILES、molfile、任意の原子・結合・信頼度情報が示されています。
前提条件
構造ごとに判読できる画像、MolScribeとRDKitを入れたPython環境、READMEで指定されたチェックポイントを用意します。パッケージの版、チェックポイント、画像のハッシュ、出典、切り出し・拡大の履歴を記録します。重みの取得には外部接続が必要です。制限付き画像では利用条件を事前に確認してください。
作業手順
- 公式例に沿って画像のコピーを処理し、元の
smiles、molfile、任意の原子・結合・信頼度を保存します。
import torch
from huggingface_hub import hf_hub_download
from molscribe import MolScribe
checkpoint = hf_hub_download("yujieq/MolScribe", "swin_base_char_aux_1m.pth")
model = MolScribe(checkpoint, device=torch.device("cpu"))
predicted = model.predict_image_file(
"assets/example.png", return_atoms_bonds=True, return_confidence=True
)
- RDKitのPythonガイドに記載されたAPIでSMILESを解析します。次のコードは本稿では未実行です。
from rdkit import Chem
smiles = predicted["smiles"] # predicted はMolScribeの出力辞書
mol = Chem.MolFromSmiles(smiles)
if mol is None:
raise ValueError("SMILES could not be parsed")
print(Chem.MolToSmiles(mol, isomericSmiles=True))
- 元図を見ながら元素、電荷、結合次数、分離成分、環、略号、立体表示を原子・結合単位で照合します。座標と信頼度は確認箇所の手掛かりにとどめ、修正者と理由を残します。
結果の解釈と確認
解析成功はRDKitが分子を構築できたことだけを意味し、画像との一致を証明しません。結合関係と重要な注記を人が確認した場合にのみ採用し、未確定なら保留します。元の文字列と修正版の両方を保存してください。
限界とよくある誤り
ぼけ、重なった文字、切れた結合、塩、くさび結合は誤認識につながります。高い信頼度も実験的検証や編集確認ではありません。反応図や複数構造の図は分割して確認し、コードと重みのライセンスは別々に調べてください。
関連する ChemAI Atlas ページ
リソース: MolScribe, RDKit. 関連ガイド: RDKitで構築するAIケモインフォマティクスワークフロー.
主な一次資料
- https://github.com/thomas0809/MolScribe (official source; accessed 2026-10-13)
- https://github.com/thomas0809/MolScribe/blob/main/molscribe/interface.py (official source; accessed 2026-10-13)
- https://www.rdkit.org/docs/GettingStartedInPython.html (official source; accessed 2026-10-13)