基于最优搜索理论的分子对接研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 计算机辅助药物设计 | 第11-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 本论文的结构安排 | 第15-17页 |
| 第二章 相关理论介绍 | 第17-29页 |
| 2.1 分子对接原理 | 第17-20页 |
| 2.1.1 分子对接分类 | 第18页 |
| 2.1.2 常见分子对接平台分析 | 第18-20页 |
| 2.2 遗传算法概述 | 第20-25页 |
| 2.2.1 编码方法及初始种群确定 | 第21页 |
| 2.2.2 适应度函数 | 第21-22页 |
| 2.2.3 遗传算子设计 | 第22-24页 |
| 2.2.3.1 选择-复制算子 | 第22-23页 |
| 2.2.3.2 交叉算子 | 第23页 |
| 2.2.3.3 变异算子 | 第23-24页 |
| 2.2.4 运行参数及算法步骤 | 第24-25页 |
| 2.3 最优搜索理论 | 第25-28页 |
| 2.3.1 最优搜索理论历史及应用 | 第25-27页 |
| 2.3.2 最优搜索理论模型 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 分子对接数学模型研究 | 第29-43页 |
| 3.1 最优化方法 | 第29-30页 |
| 3.2 常用优化方法 | 第30-33页 |
| 3.2.1 拉格朗日乘数法 | 第30-31页 |
| 3.2.2 惩罚函数 | 第31-32页 |
| 3.2.3 二次规划 | 第32-33页 |
| 3.3 分子对接模型主要问题分析 | 第33-40页 |
| 3.3.1 构象搜索算法 | 第34-38页 |
| 3.3.1.1 基于形状匹配搜索 | 第34页 |
| 3.3.1.2 系统搜索 | 第34-35页 |
| 2.3.1.3 随机搜索 | 第35-38页 |
| 3.3.2 打分函数 | 第38-40页 |
| 3.3.2.1 基于力场的打分函数 | 第38-39页 |
| 3.3.2.2 基于经验的打分函数 | 第39页 |
| 3.3.2.3 基于知识的打分函数 | 第39-40页 |
| 3.4 分子对接数学模型建立 | 第40-42页 |
| 3.4.1 数学模型 | 第40-41页 |
| 3.4.2 模型优化 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 免疫遗传算法在分子对接中的研究 | 第43-64页 |
| 4.1 AutoDock分子对接平台分析 | 第43-48页 |
| 4.2 免疫遗传算法 | 第48页 |
| 4.3 免疫遗传算法的设计 | 第48-53页 |
| 4.3.1 编码方式 | 第49页 |
| 4.3.2 适应度函数 | 第49页 |
| 4.3.3 遗传算子 | 第49-52页 |
| 4.3.3.1 选择算子 | 第49-50页 |
| 4.3.3.2 交叉算子和变异算子 | 第50页 |
| 4.3.3.3 免疫算子 | 第50-52页 |
| 4.3.4 算法过程 | 第52-53页 |
| 4.4 免疫遗传算法模拟与分析 | 第53-63页 |
| 4.4.1 程序设计 | 第53-57页 |
| 4.4.2 数据处理 | 第57-59页 |
| 4.4.3 实验环境及参数 | 第59-60页 |
| 4.4.4 实验分析 | 第60-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 基于最优搜索理论的分子对接优化模型研究 | 第64-77页 |
| 5.1 分子对接的效率问题 | 第64页 |
| 5.2 基于最优搜索模型的分子对接过程研究 | 第64-69页 |
| 5.2.1 初始概率分布 | 第65页 |
| 5.2.2 探测函数 | 第65-66页 |
| 5.2.3 优化模型 | 第66-68页 |
| 5.2.4 目标初始分布函数误差分析 | 第68-69页 |
| 5.3 分子对接最优搜索模型模拟与分析 | 第69-76页 |
| 5.3.1 程序设计 | 第69-71页 |
| 5.3.2 实验环境和数据准备 | 第71-72页 |
| 5.3.3 实验分析 | 第72-76页 |
| 5.4 本章小结 | 第76-77页 |
| 第六章 全文总结与展望 | 第77-79页 |
| 6.1 全文总结 | 第77-78页 |
| 6.2 后续工作展望 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-85页 |
