Oshinsu Bases de produits naturels : quoi utiliser, et sous quelle licence
Le piège juridique
Les bases de produits naturels n'ont pas les mêmes conditions, et l'une d'elles a changé de licence en cours de route. Mélanger du CC0 et du CC BY-NC dans un jeu redistribué rend l'ensemble inexploitable commercialement — et souvent impossible à démêler des années plus tard.
| Base | Licence | Réutilisable | Contenu |
|---|---|---|---|
| LOTUS | CC0 | oui, sans condition | structures ↔ organismes, via Wikidata P703 |
| COCONUT | CC0 | oui, sans condition | agrégat de produits naturels, dump téléchargeable |
| Kew VascularPlantChemodiversity | CC BY 4.0 | oui, avec attribution | 407 676 couples composé-organisme, 26 105 espèces, noms résolus WCVP, annotations NPClassifier |
| WCUPS (usages) | CC BY 4.0 | oui, avec attribution | 40 292 espèces à usage humain, catégories standard |
| NPAtlas | CC BY-NC depuis 2024_09 | non commercial seulement | produits naturels microbiens |
| ANPDB | CC BY-NC | non commercial seulement | produits naturels africains |
| LANaPDB | aucune licence déclarée | juridiquement ambigu | Amérique latine, 8 pays |
Règle : pour un jeu de données qui se veut ouvert et reproductible, s'en tenir à LOTUS, COCONUT et les sources Kew. Citer les trois indépendamment.
Laquelle choisir
Pour savoir si une espèce a une chimie décrite : le jeu Kew
VascularPlantChemodiversity (doi:10.5281/zenodo.19224646) est le meilleur point de
départ. Il agrège Wikidata (donc LOTUS) et KNApSAcK, les noms sont déjà résolus
contre WCVP, et les annotations NPClassifier sont calculées. Il évite de reconstruire
la partie la plus longue du travail : la réconciliation nomenclaturale.
Interroger LOTUS directement reste utile comme contrôle indépendant.
Pour les classes chimiques : NPClassifier (code MIT, modèles et ontologie CC0, API publique) reste l'état de l'art. ClassyFire est sous restriction non commerciale.
Pour les usages humains : WCUPS (Kew 2020, doi:10.5063/F1CV4G34). Publié en PDF
de 689 pages, extractible — le nom est sur une ligne, l'identifiant IPNI et les codes
d'usage sur la suivante, séparés par des barres verticales. Catégories : AF animal,
EU environnemental, FU combustible, GS ressources génétiques, HF alimentation
humaine, IF invertébrés, MA matériaux, ME médicinal, PO poisons, SU social.
Aucune base n'est complète
Toutes sous-estiment, et pas au hasard. Atropa belladonna — source de l'atropine — peut être absente d'une base majeure. Une espèce absente d'une base n'est pas une espèce non étudiée.
Formulez toujours vos résultats comme « absente de telle base à telle date », jamais comme « jamais étudiée ». C'est la seule affirmation que vos données soutiennent — et c'est déjà une affirmation forte, puisque ce qui n'est pas dans ces bases est invisible pour tout modèle entraîné dessus.
Citation
Ces trois sources doivent être citées séparément dès qu'elles sont réutilisées :
- Rutz A. et al. (2022). The LOTUS initiative for open knowledge management in natural products research. eLife 11:e70780.
- Richard-Bollans A. et al. VascularPlantChemodiversity, Zenodo,
doi:10.5281/zenodo.19224646, CC BY 4.0. - Diazgranados M. et al. (2020). World Checklist of Useful Plant Species. KNB,
doi:10.5063/F1CV4G34, CC BY 4.0.