摘要 | 第5-7页 |
Abstract | 第7-8页 |
第一章 绪论 | 第11-38页 |
1.1 本文的研究目标、内容以及意义 | 第11-15页 |
1.2 分子模拟方法简介 | 第15页 |
1.3 分子模拟与高性能计算 | 第15-17页 |
1.4 蛋白质三维结构的取得 | 第17-19页 |
1.5 分子力学原理与简介 | 第19-29页 |
1.6 分子模拟中的常用软件与编程工具介绍 | 第29-38页 |
1.6.1 分子对接 | 第29-32页 |
1.6.2 分子动力学 | 第32-33页 |
1.6.3 可视化工具 | 第33-35页 |
1.6.4 编程工具 | 第35-38页 |
第二章 基于NAC理论的结构催化机制解析 | 第38-50页 |
2.1 酶催化反应的理论分析 | 第38-39页 |
2.2 结合自由能对于酶催化反应的影响 | 第39-42页 |
2.3 过渡态理论分析酶催化反应的影响因子 | 第42-44页 |
2.4 运用过渡态理论建立计算模型 | 第44-46页 |
2.5 脂肪酶CALB的催化机理分析和NAC模型确定 | 第46-47页 |
2.6 醛酮还原酶GOX0644的催化机理分析和NAC模型确定 | 第47-48页 |
2.7 腈水解酶NIT6803的催化机理分析和NAC模型确定 | 第48-49页 |
2.8 小节 | 第49-50页 |
第三章 底物虚拟筛选策略的软件开发 | 第50-61页 |
3.1 前言 | 第50页 |
3.2 计算平台的构建 | 第50-52页 |
3.2.1 软件配置 | 第50页 |
3.2.2 硬件配置 | 第50-51页 |
3.2.3 网络配置 | 第51-52页 |
3.3 虚拟筛选计算流程设计 | 第52-54页 |
3.4 模块设计 | 第54-60页 |
3.5 小节 | 第60-61页 |
第四章 底物虚拟筛选系统的实验验证 | 第61-81页 |
4.1 前言 | 第61页 |
4.2 脂肪酶介绍 | 第61页 |
4.3 计算模型 | 第61-64页 |
4.4 模型验证 | 第64-67页 |
4.5 虚拟筛选 | 第67-75页 |
4.5.1 虚拟筛选评价因子 | 第69-72页 |
4.5.2 虚拟筛选评价因子的稳定性 | 第72-73页 |
4.5.3 机器学习方法的运用 | 第73-74页 |
4.5.4 虚拟筛选打分函数构建 | 第74-75页 |
4.6 结果 | 第75-76页 |
4.7 讨论 | 第76-77页 |
4.8 虚拟筛选系统在腈水解酶6803中的应用 | 第77-80页 |
4.9 小节 | 第80-81页 |
第五章 底物生长策略的软件开发 | 第81-98页 |
5.1 前言 | 第81页 |
5.2 计算平台的构建 | 第81-84页 |
5.2.1 软件配置 | 第81-82页 |
5.2.2 硬件配置 | 第82-83页 |
5.2.3 网络配置 | 第83-84页 |
5.3 底物生长计算流程设计 | 第84-87页 |
5.4 底物生长算法的设计 | 第87-95页 |
5.5 底物生长模块的设计 | 第95-96页 |
5.6 小节 | 第96-98页 |
第六章 底物生长策略的验证 | 第98-113页 |
6.1 前言 | 第98页 |
6.2 醛酮还原酶 | 第98-104页 |
6.2.1 Gox0644简介 | 第98页 |
6.2.2 Gox0644结构 | 第98-100页 |
6.2.3 Gox0644催化机理 | 第100页 |
6.2.4 实验方法与结果 | 第100-104页 |
6.3 腈水解酶 | 第104-108页 |
6.3.1 Nit6803简介 | 第104-105页 |
6.3.2 Nit6803结构 | 第105页 |
6.3.3 Nit6803催化机理 | 第105-106页 |
6.3.4 实验方法和结果 | 第106-108页 |
6.4 脂肪酶 | 第108-112页 |
6.4.1 实验设计 | 第108-109页 |
6.4.2 实验方法和结果 | 第109-112页 |
6.5 小节 | 第112-113页 |
第七章 结论 | 第113-114页 |
参考文献 | 第114-125页 |
附录 | 第125-161页 |
附表A 论文中缩写单词表 | 第125-126页 |
附表B 论文中涉及的部分代码 | 第126-158页 |
附表C HPLC实验数据 | 第158-161页 |
致谢 | 第161页 |