CAS Datenbanken

In den Lerneinheiten in Suchen in Chemical Abstracts sind Beispiele für Recherchen nach Autoren, Schlagworten und Verbindungen im Datenbanksystem Scifinder Scholar beschrieben.
Dazu haben wir eine oder mehrere der Datenbanken des Chemical Abstracts Service benutzt, die aus den gedruckten Chemical Abstracts entwickelt wurden oder zu deren Ergänzung dienen. Deshalb betrachten wir hier die wichtigsten Datenbanken bezüglich ihres Inhalts und seiner Strukturierung näher.

Aufbau der CAS-Datenbanken

Um 1960 begann der Chemical Abstracts Service (CAS) mit Untersuchungen und Experimenten, die bisher papiergestützt Informationsverarbeitung zur Produktion der Referatehefte und der Register auf EDV umzustellen. Die Notwendigkeit dafür ergab sich aus dem rasanten Anwachsen der chemischen Literarur gerade in dieser Zeit (siehe Exkurs: Chemical Abstracts und das Wachstum der chemischen Literatur). Dieses Wachstum machte die konventionelle Informationsverarbeitung mit Karteikarten und traditionellem Satz für die gedruckten CA immer aufwendiger. Schon der letzte 5th Decennial Index (1947-1956) umfasste 22'000 Seiten in den Registerbänden, und der8th Collective Index (1967-1971) hatt trotz Verkürzung der Indexperiode von 10 auf fünf Jahre bereits den dreifachen Umfang.

Datenbanken

Ein Computer-gestütztes Systems zur Informationsverarbeitung wurde in einem Fünfjahresprogramm 1964 von CAS in Angriff genommen.

CAS Registry

Kernstück dieses Systems war die zentrale Erfassung der Strukturen und Namen aller in der von CAS erfassten Primärliteratur vorkommenden Verbindungen in einer Datenbank, dem CAS Registry System. Entwicklung und Aufbau dieser Strukturdatenbank in den 60er Jahren wurden von der US National Science Foundation bis 1974 mit mehr als 25 Millionen USD gefördert, denn die US-Regierung wollte eine eindeutige Kennzeichnung von Verbindungen, die CAS Registry Number, auch für die gesetzliche Registrierung von chemischen Verbindungen und andere staatliche Aufgabe nutzen. Eine zentrale Erfassung aller Verbindungen mit Struktur und Namen (systematische Namen, Trivialnamen und Handelsnamen) war deswegen so wichtig für CAS, weil zur Produktion der Verbindungsregister jede Verbindung eindeutig und systematisch benannt werden musste, und Doppelspurigkeiten ebenso wie Inkonsistenzen aber dabei tunlichst vermieden werden mussten.

Chemical Abstracts Datenbanken

Ausgehend von der elektronischen Registrierung der Verbindungen wurde schrittweise die Erfassung der bibliographischen Daten der Originalliteratur, die Produktion der Register zu den Chemical Abstracts (1967) und schliesslich der Druck der Abstracts (1972) auf EDV umgestellt.

Die für CAS überlebenswichtige Einführung der EDV in die interne Informationsverarbeitung lieferte also schliesslich die gesamte Information für die Produktion der Hefte und Register in maschinenslesbarer Form. Damit wurde nicht nur der Computersatz der gedruckten Chemical Abstracts möglich (CAS war aus Notwendigkeit einer der Pioniere auf diesem Gebiet), sondern diese Information konnte auch als Datenbank angeboten werden.
So entstanden nach dem Prototyp CBAC (Chemical and Biological Activities) 1965 im Jahr 1968 zuerst die CA Condensates, eine Datenbank mit den bibliographischen Daten der in CA erfassten Publikationen. Dies wurde 1970 durch die Datenbank CASIA (Chemical Abstracts Subject Index Alerts) ergänzt, die die gesamte Indexierung der erfassten Publikationen in elektronischer Form enthielt und zur Produktion der gedruckten Bandregister diente. Diese beiden Dateien bildete lange die Basis des CA-Datenbankangebots und wurden 1978 zu Datenbank CA SEARCH vereinigt. Erst 1985 kamen die eigentlichen Abstracts hinzu, und erst ab 1980 waren auch die Strukturen aus dem CAS Registry suchbar (siehe Das CAS Registry System).

Zugriff auf Datenbanken

Die Existenz von Informationen in maschienenlesbarer, elektronischer Form als Datenbank alleine macht diese Information aber noch nicht für Benutzer verfügbar.

Unabhängig von den Entwicklungen bei CAS zur EDV-gestützten Informationsverarbeitung standen Anfang der siebziger Jahre Rechner und Software zur Suche in grossen Textdatenbanken zur Verfügung. Diese hatten im Zusammenhang mit Raumfahrprojekten eine Abteilung des Rüstungskonzerns Lockheed Missiles & Space Corporation (später wurde daraus der Host Dialog) und die Firma System Development Corporation (später Host Orbit, jetzt Questel-Orbit) entwickelt.

Da wieder in einem anderen Zusammenhang, nämlich im Auftrag des US-Verteidigungsministeriums, damals auch neue Techniken der Datenübertragung via Telefon und Software (Kommunikationsprotokolle wie TCP/IP) für Computernetzwerke entwickelt worden waren, waren Anfang der siebziger Jahre alle Voraussetzungen für Datenbankrecherchen erfüllt:

• Datenbanken mit maschinenlesbarer Information
• leistungsfähige Rechner mit Datenbanksoftware zur Suche
• Netzwerke für die Kommunikation zwischen Rechner und Benutzer

Rückwirkende Erfassung

Für lange Zeit war die Suche in Chemical Abstracts auf die Literatur seit 1967 und die Verbindungen seit 1965 beschränkt, denn nur diese Information war in maschinenlesbarer Form produziert worden und deshalb als Datenbank verfügbar. Wegen des grossen Erfolgs und der Bedeutung der CA-Datenbanken, vor allem seit Einführung auch der Suche nach Strukturen und Partialstrukturen von Verbindungen 1980 (siehe Das CAS Registry System) , plante CAS eine rückwirkende Erfassung der Information aus den gedruckten Chemical Abstracts.

Aufgrund einer Machbarkeitsstudie 1980 wurde 1984 in einer ersten Etappe mit finanzieller Unterstützung durch die chemische Industrie (3.6 Mio. USD) der 7th Collective Index (1962-1966) erfasst und in einer Datenbank CAOLD beim Host STN International exklusiv angeboten (siehe CA/CAplus (Literaturdatenbank)). Bis 1990 war dann die Erfassung auch des 6th Collective Index (1957-1961) abgeschlossen. Diese rückwirkende Erfassung erweiterte CAS Registry um 690'000 "neue" Verbindungen, d.h. solche, die nur in diesem Zeitraum 1957-1966 in der Literatur erwähnt waren, aber nicht nach 1967 (sonst hätte man sie ja schon beim Aufbau des CAS Registry erfasst).

Verfahren

Aus den Machbarkeitsstudien hatte sich ergeben, dass nicht alle gedruckten Register gleichermassen für das Einscannen und die anschliessende Umsetzung in maschinenlesbaren Text (OCR = optical character recognition) gleich gut geeignet waren.

Literatur

CAS entschloss sich dazu, die Literatur aus dem Author Index zur erfassen, der die Namen der Autoren, die Titel der Publikationen (ggf. in englischer Übersetzung) und die Nummer der Abstracts enthält (siehe dazu ***). Die Abstracts selbst wurden erst wesentlich später (***) verfügbar, und zuerst nur als beim Scannen der gedruckten Originale erzeugten TIFF-Dateien. Diese Dateien konnte man sich in STN CAOLD anzeigen lassen, sie waren aber nicht suchbar. Ihre Erfassung als Text erfolgte erst wesentlich später.

7.1.98: CAOLD TIF-Images für Abstracts 1907-1966

ab 20.2.2000: alle Patent-Nr. 1907-66 und Patentfamilien 1957-66 verfügbar (ca. 83'000 einzelne Patente)

2001: CA/CAplus: Page images 1947-66 verfügbar

CA/CAplus: BIB ABS 1907-46 (1st - 4th Coll.Ind.): 1.6 Mio., einschl.Page images

25.5.99: CAOLD AU, PA, TI suchbar bis 1907 3 Mio. Dokumente einschl. 800'000 Patente

27.4.2001: CA
2.2 Mio.Zitate 1947-66
24.8.01: CA
Page Images 1947-66

3.8 Mio. Referate 1907-1966 (davon 2'855'000 Zeitschriftenarikel, 789'000 Patente)

Verbindungen

Gemäss Schätzungen erwartete CAS, dass etwa 1.3 Millionen Verbindungen in Chemical Abstracts 1920-1966 zitiert sind, die nachher nicht mehr in der Literatur erwähnt wurden und daher auch noch nicht in CAS Registry erfasst sind.
Verbindungen erfasste man durch Einscannen des Formula Index. Dies geschah, weil sich der Subject Index mit den Namen der Verbindungen wegen der zahlreichen Sonderzeichen und Auszeichnungen (u.a. kursive Schrift) in Namen chemischer Verbindungen als dort die Abstracts Number, aber nicht der Kontext

zurück bis 1957, einige Fluor- bzw. Siliziumverbindngen zurück bis 1907 (aus einem Pilotprojekt beim Aufbau des CAS Registry Systems)

Problem: im Formula Index sind Verbindungen mit mehr als 50 Literaturzitaten pro **** nicht mit ihren Abstracts aufgeführt, sondern nur auf den Chemical Substance Index (vor 1967: Subject Index) verwiesen.

keine Polymere

Resultate

Die rückwirkende Erfassung der Chemical Abstracts ist seit *** in wichtigen Teilen bis zurück nach 1907 durchgeführt worden, aber noch nicht für die gesamte Information. Erfasst sind:

• Autoren:
• Titel der Originalpublikation: zurück bis 1907
• Typ der Orignalpublikation: vor 1957 unvollständig
• Abstracts: zurück bis 1907
• Indexierung: nur bis 1967 (im Laufe des Jahres 2003 bis 1962)
• Verbindungen (Strukturen): nur bis 1957

Wege der unvollständigen Erfassung der Indexierung ist die Literatur zu Verbindungen über ihre CAS Registry Number vollständig nur zurück bis 1967 suchbar. Für viele Verbindungen geht die Suche weiter zurück bis 1957, ausgenommen davon sind allerdings Verbindunge mit sehr viel Literatur, und Polymere.
Alle Suchen in SciFinder Scholar über Explore by Chemical Substance or Reaction operieren mit der CAS Registry Number bei einer anschliessenden Literatursuche und unterliegen daher dieser wesentlichen Einschränkung.

Wir gehen auf diese in der Praxis durchaus problematischen (weil häufig nicht offensichtlich erkennbaren!) Lücken in dieser Lerneinheit bei den einzelnen Datenbanken noch näher ein.

"Fremddaten" in CAS-Datenbanken

Für eine lange Zeit war es eine Tatsache von geradezu dogmatischer Qualität, dass der Chemical Abstracts nur Informationen aus eigener Produktion und damit nach seinen Qualitätsmassstäben publizierte. Hinzu kam, dass von CAS als einem der Pioniere auf diesem Gebiet auch ein grosser Teil der Software zur Informationsverarbeitung sowie der Produktion und Abfrage von Literatur- und vor allem Strukturdatebanken in eigener Regie und autonom entwickelt hat.

Dem Konkurenz- und Kostendruck nicht enziehen

Erfassen der Literatur

schon früher externe "volunteer abstractors", jetzt ein beträchtlicher Teil der Erfassung europäischer Literatur outsurced, allerdings unter strikter Qualitätskontrolle von CAS

Abstracts aus Originalpublikatio, Stichprobe XXXXX

Software, Reaktionszntren-Algorithmus

Daten in CAS Registry

letzter markantere Schritt n dieser Etwicklung, und de bisher gösste Bruch mit der Tradition der Autonomie

XXXX

Reaktionen in CASREACT

XXXXX

CAS Online

XXXX

XXXX

Geschichte der CA-Datenbanken

Dies ist die Fortsetzung eines geschichtlichen Abrisses, der für die gedruckten Chemical Abstracts in Exkurs: Gedruckte Chemical Abstracts begonnen wurde.

1907

Chemical Abstracts begonnen

1955

(CAS) Research & Development Dept. gegründet

1961

Chemical Titles als erste Computer-produzierte Veröffentlichung

1964

Beginn eines 5-Jahres-Programms für ein Computer-gestütztes System bei CAS
CAS Registry I (organische Verbindungen)

1965

CAS Registry Numbers eingeführt (maschinelle Registrierung von Verbindungen)
CBAC (Chemical-Biological Activities) in maschinenlesbarer Form als Pilotprojekt für eine Datenbank

1967

66 Beginn Computersatz der Register (zuerst Formula Index 66)

1968

CA Condensates (maschinenlesbare bibliographische Daten und Keyword Index)
Registry II (anorganische und metallorganische Verbindungen, Polymere, Gemische,
Legierungen, unvollständig definierte Verbindungen)

1969

71 CAS Registry Numbers im Substance und Formula Index

1970

einheitliche Analyse und Indexierung der Originalliteratur
Indexierung basiert auf Primärliteratur (vorher: auf Abstract)
Abstracts standardisiert
CASIA (maschinenlesbare Bandregister): alle Register mit EDV produziert

1972

76 Subject Index geteilt: General Subject Index / Chemical Substance Index
Systematische Indexierung von Edukten and Zwischenprodukten
Legierungen, Enzyme, Mischungen, Elementarteilchen registriert
Grosse Systematisierung der CAS Nomenklatur (u.a. Stereodeskriptoren)
Beginn Computer-Schriftsatz der Abstracts (vollständig ab 1975)

1973

CASIA (Chemical Abstracts Subject Index Alert): Eintragungen aus Chemical Subject Index und General Subject Index

1974

CAS Registry III (laufende Version)

1975

Online-Verarbeitung der systematischen Verbindungsnamen

1976

Dokument-Analyse: Abstract-Erstellung und Indexierung voll integriert (Pilot-Studie 1970)
Publikation von CA Selects begonnen

1977

Vertrag zwischen CAS und INPADOC (Lieferung maschinenlesbarer Daten zur Erfassung von Patenten)
Online-Verarbeitung der Abstracts und der Indexierung

1978

Datenbank CA SEARCH

1980

93 Patent-Familien via Computer zusammengeführt
CAS ONLINE Substruktur-Suche

1981

(November) CAS Online: Substruktursuche (screen input)

1982

96 Grössere Änderungen bei der Erfassung von Patenten
(November) CAS Online (text structure input)

1983

STN gegründet (in Betrieb seit 1984)
Messenger Datenbank-Suchsoftware (eingesetzt beim Host STN International)
(Dezember) CA-Literaturdatenbank bei CAS Online
ACS-Zeitschriften im Volltext online verfügbar (CJO Files)

1984

10millionster Abstract publiziert
Pre-1965 Registration Project begonnen (Machbarkeits-Studie 1980)
(April) STN CAOLD verfügbar (erste Information aus dem 7th Collextive Index 1962-66)

1985

Abstract-Text suchbar im CA File
alle Headings aus dem CA General Subject Index im Index Guide aufgelistet

1987

Block, Graft, und alternierende Polymere werden eigenständig registriert
Compound Common Names bei der Registry Number im CA File
(August) alle Abstracts ab 1970 in CA-Datenbank

1988

CASREACT und CApreviews online verfügbar
STN Express ("front-end"-Software zur Abfrage von Datenbanken)
CAS Registry: Angabe der Stereochemie in der Struktur ("connection table"; vorher nur Stereodeskriptoren als Teil des systematischen Namens); Locator-Datenfeld
Datenbank CA: Strukturformeln in den Abstracts
(Februar) CApreviews: bibliographische Daten 6-8 Wochen vor indexierter Vollversion in CA

1989

MARPAT-Datenbank bei STN International (Markush-Strukturen aus Patenten)

1990

Ende Pre-Registration 5th + 6th Collective Index
CAS Registry: CONCORD 3D-Koordinaten für Verbindungen; Protein-Sequenzen seit 1957

1991

Neues Governing Board für CAS mit externen Mitgliedern

1992

STN Registry: Anzeige der Stereochemie in der Struktur von Verbindungen;
Suche via Component Registry Number nach allen Mehrkomponenten-Systemen;
Suche mit Ringdeskriptoren

1993

CA on CD (DOS-Version des 12th Collective Index)
CASurveyor (thematische Subsets von CA auf CD-ROM)

1994

(Oktober) neuer Stil für "modying phrase" in der Indexierung
Datenbank CA: Roles in der Indexierung von Verbindungen und Verbindungsklassen (ab Band 121)
SciFinder

1995

Datenbank CAplus mit Inhaltsverzeichnissen von 1'300 "core journals" (täglich aktualisiert)
(April) Erfassung von electronic-only Publikationen für Chemical Abstracts
SciFinder
CASSI on CD (Chemical Abstracts Service Source Index)
Katalogdatenbank CHEMCATS

1996

STN Easy (Benutzeroberfläche für Datenbanken beim Host STN International)
vollelektronisches Produktionssystem für CAS
SciFinder Version 2: Substruktursuche (SSM, substructure search module)

1997

alle Autorennamen für Chemical Abstracts erfasst (statt nur max 10)
(Februar) CA Student Edition
Gateway ChemPort
SciFinder Scholar
SciFinder Substructure Module

1998

CA/CAplus: Patenfamilien (bis dahin nur im gedruckten Patent Index)
STN on the Web (Benutzeroberfläche für Datenbanken beim Host STN International)

2000

(September) CA/CAplus: CA Lexikon zur Indexierung

2001

Berechnete Daten für verbindungen in CAS Registry

Zusammenfassung

Übersicht

Einzelheiten zu den drei wichtigsten CAS-Datenbanken finden Sie in folgenden Lerneinheiten:

Literaturdatenbank

Die speziellen Datenbanken mit Informationen zu Verbindungen **** sind in *** kurz an einem Beispiel vorgestellt.

Eine eigene Lerneinheit ist der wichtigen "Hilfsdatenbank" CASSI mit *** gewidmet.

****Links

© Dr. Engelbert Zass, ETH Zürich, Tue Apr 6 09:32:38 2004 GMT
 BMBF-Leitprojekt Vernetztes Studium - Chemie