Lotus Chemistry Lookup

Chimie décrite d'un taxon (LOTUS via Wikidata)

Ce que LOTUS est, et n'est pas

LOTUS (Rutz et al. 2022, eLife, CC0) relie des structures chimiques aux organismes qui les produisent. Il est hébergé dans Wikidata : un composé pointe vers son organisme par la propriété P703 (« présent dans le taxon »).

LOTUS est une borne inférieure de la littérature, pas la littérature. Une molécule publiée dans un article non indexé n'y figure pas. Atropa belladonna — la belladone, source de l'atropine, dans tous les manuels — peut apparaître sans composé.

La formulation défendable est donc toujours :

absente des corpus chimiques machine-lisibles

et jamais :

jamais étudiée

C'est une distinction de fond : ce qui n'est pas dans ces bases est invisible pour tout modèle entraîné dessus, quelle que soit la littérature papier existante.

Le piège qui a produit un faux résultat publié

P703 relie les composés aux items espèce. Compter P703 directement sur un item genre renvoie presque toujours zéro.

Une analyse réelle a ainsi conclu que les genres Buxus, Vanilla, Eugenia et Miconia n'avaient aucune chimie décrite — alors que les alcaloïdes de Buxus et la vanilline sont des classiques. Il fallait traverser P171 (taxon parent) vers les espèces filles.

# FAUX : renvoie 0 pour presque tout genre
SELECT (COUNT(DISTINCT ?c) AS ?n) WHERE {
  ?g wdt:P225 "Buxus" . OPTIONAL { ?c wdt:P703 ?g . }
}

# CORRECT : passe par les espèces filles
SELECT (COUNT(DISTINCT ?c) AS ?n) WHERE {
  ?g wdt:P225 "Buxus" ; wdt:P105 wd:Q34740 .
  ?sp wdt:P171 ?g .
  OPTIONAL { ?c wdt:P703 ?sp . }
}

Garde-fou obligatoire

Aucun chiffre ne doit sortir d'une requête qui n'a pas passé le test des témoins.

Le script refuse de s'exécuter s'il ne retrouve pas la chimie d'espèces massivement publiées :

Ce garde-fou a réellement intercepté le bug P703-sur-genre décrit ci-dessus, avant publication.

Avant d'interroger : résoudre les noms

Toujours passer par wcvp-name-resolution et chercher sur l'union {nom d'entrée} ∪ {nom accepté} ∪ {tous les synonymes}. Une recherche sur le seul nom d'entrée produit des absences fausses — et elles vont systématiquement dans le sens qui vous arrange.

Utilisation

python scripts/lookup.py --names "Inga martinicensis" "Hyptis atrorubens"
python scripts/lookup.py --file search_names.txt --level genus --out chimie.json

Sources complémentaires

LOTUS seul sous-estime. Pour une porte A plus large, croiser avec :

• Kew VascularPlantChemodiversity — doi:10.5281/zenodo.19224646, CC BY 4.0, 407 676 couples composé-organisme sur 26 105 espèces, Wikidata et KNApSAcK, noms déjà résolus contre WCVP, annotations NPClassifier incluses. C'est la source la plus complète et la moins coûteuse à réutiliser.
• COCONUT — CC0, dump téléchargeable.
• NPAtlas — attention, CC BY-NC depuis la version 2024_09 : ne pas mélanger à un jeu de données qui se veut ouvert.