| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·本文研究背景及意义 | 第8页 |
| ·计算机辅助药物设计 | 第8-11页 |
| ·最优化方法 | 第11-12页 |
| ·基于优化方法的药物分子设计 | 第12页 |
| ·本文主要研究内容与工作 | 第12-14页 |
| 2 药物分子设计中的分子对接原理 | 第14-22页 |
| ·药物分子设计概述 | 第14-15页 |
| ·药物分子设计中的分子对接原理 | 第15-17页 |
| ·分子对接原理概述 | 第15页 |
| ·对接中的分子表达 | 第15-16页 |
| ·分子对接的方法分类 | 第16-17页 |
| ·分子对接过程中的主要研究问题 | 第17-21页 |
| ·分子对接中的优化算法 | 第17-18页 |
| ·分子对接中结合位点的选择 | 第18-19页 |
| ·分子对接中优化模型的建立 | 第19-21页 |
| ·常用分子对接软件 | 第21-22页 |
| ·DOCK | 第21页 |
| ·AutoDock | 第21-22页 |
| 3 分子对接中的优化方法研究 | 第22-35页 |
| ·优化方法的基本理论 | 第22-26页 |
| ·最优化方法的定义 | 第22页 |
| ·最优化问题的一般形式 | 第22-23页 |
| ·最优化方法的分类 | 第23-26页 |
| ·遗传算法简介 | 第26-31页 |
| ·遗传算法的起源与发展 | 第26-27页 |
| ·遗传算法的基本原理 | 第27-30页 |
| ·遗传算法中的搜索空间和惩罚函数 | 第30-31页 |
| ·遗传算法的收敛性分析 | 第31页 |
| ·基于信息熵的多种群自适应遗传算法 | 第31-35页 |
| ·信息熵策略在遗传算法中的应用 | 第32-33页 |
| ·空间收缩因子 | 第33-34页 |
| ·多种群自适应策略 | 第34-35页 |
| 4 分子对接中优化模型的建立 | 第35-45页 |
| ·分子对接程序GAsDock中的优化模型 | 第35-36页 |
| ·基于经验的分子对接优化模型的建立 | 第36-40页 |
| ·基于知识的分子对接优化模型的建立 | 第40-42页 |
| ·分子对接优化模型在算法中的转化 | 第42-45页 |
| 5 药物分子对接中的优化模型及算法应用实例 | 第45-58页 |
| ·基于经验的优化模型及算法在分子对接中的应用 | 第45-49页 |
| ·EGAsDock程序实现 | 第45-46页 |
| ·EGAsDock在药物设计中的晶体结构复原及分子对接测试 | 第46-49页 |
| ·基于知识的优化模型及算法在分子对接中的应用 | 第49-58页 |
| ·KGAsDock程序实现 | 第49-51页 |
| ·KGAsDock在预测结合能方面的应用 | 第51-52页 |
| ·KGAsDock在晶体结构复原及分子对接中的应用 | 第52-56页 |
| ·基于知识的优化模型Kscore在DNA及RNA复合物方面的应用 | 第56-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表学术论文情况 | 第63-64页 |
| 致谢 | 第64-65页 |
