| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-22页 |
| ·手性化合物的构效关系研究概述 | 第10-12页 |
| ·手性化合物结构表征 | 第12-14页 |
| ·基于 CIP 规则的手性拓扑指数 | 第12页 |
| ·构象独立手性指数 | 第12-13页 |
| ·构象依赖手性指数 | 第13页 |
| ·物化手性描述符 | 第13-14页 |
| ·构效关系研究的建模方法 | 第14-15页 |
| ·模式识别 | 第14-15页 |
| ·回归分析 | 第15页 |
| ·人工神经网络 | 第15页 |
| ·脂肪酶催化手性醇拆分反应 | 第15-17页 |
| ·脂肪酶的手性识别机理 | 第16页 |
| ·手性醇的动力学拆分 | 第16-17页 |
| ·本研究的意义和主要内容 | 第17-18页 |
| 参考文献 | 第18-22页 |
| 第2章 高选择性拓扑指数 EAID 及在手性中心识别中的应用 | 第22-36页 |
| ·引言 | 第22-23页 |
| ·数据 | 第23页 |
| ·EAID 指数算法 | 第23-25页 |
| ·结果与讨论 | 第25-32页 |
| ·指数改进 | 第25-27页 |
| ·EAID 指数的唯一性验证 | 第27页 |
| ·数据库中化合物的多样性 | 第27-30页 |
| ·原子 EAID 指数 | 第30-32页 |
| ·结论 | 第32-33页 |
| 参考文献 | 第33-36页 |
| 第3章 CSC 手性基团指数 | 第36-48页 |
| ·引言 | 第36页 |
| ·CSC 指数的生成 | 第36-40页 |
| ·CSC 指数的表征能力 | 第40-45页 |
| ·分子连接性指数和拓扑电荷指数 | 第40-41页 |
| ·数据集 | 第41-44页 |
| ·原理和方法 | 第44页 |
| ·预测结果与讨论 | 第44-45页 |
| ·小结 | 第45-46页 |
| 参考文献 | 第46-48页 |
| 第4章 CSC 指数在伯醇立体选择性预测中的应用 | 第48-60页 |
| ·引言 | 第48页 |
| ·数据 | 第48-51页 |
| ·伯醇化合物 CSC 指数生成 | 第51-52页 |
| ·原理和方法 | 第52-53页 |
| ·Kohonen 自组织映射模型 | 第52页 |
| ·遗传算法 | 第52-53页 |
| ·结果与讨论 | 第53-58页 |
| ·采用随机森林预测手性伯醇产物的立体选择性 | 第53-54页 |
| ·采用遗传算法与随机森林相结合预测手性伯醇产物的立体选择性 | 第54-55页 |
| ·采用 Kohonen 自组织映射模型进行预测 | 第55-56页 |
| ·Fisher 意义下的判别分析 | 第56-58页 |
| ·小结 | 第58-59页 |
| 参考文献 | 第59-60页 |
| 第5章 CSC 指数在仲醇立体选择性预测中的应用 | 第60-68页 |
| ·引言 | 第60页 |
| ·数据集 | 第60-62页 |
| ·原理和方法 | 第62-64页 |
| ·相向传播人工神经网络 | 第62-63页 |
| ·遗传算法 | 第63-64页 |
| ·结果与讨论 | 第64-66页 |
| ·随机森林建立模型对仲醇立体选择性进行预测 | 第64页 |
| ·遗传算法法变量选择 | 第64-65页 |
| ·变量重要性 | 第65-66页 |
| ·小结 | 第66-67页 |
| 参考文献 | 第67-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间发表的学术论文 | 第69-70页 |