| 摘要 | 第4-7页 |
| abstract | 第7-8页 |
| 第1章 机器学习在ADME/T性质预测中的发展与应用 | 第11-33页 |
| 1.1 引言 | 第11-12页 |
| 1.2 ADME/T性质预测中常用的机器学习技术 | 第12-16页 |
| 1.2.1 多元线性回归和偏最小二乘法 | 第13页 |
| 1.2.2 K-最近邻法 | 第13-14页 |
| 1.2.3 决策树和随机森林 | 第14页 |
| 1.2.4 支持向量机 | 第14-15页 |
| 1.2.5 主成分分析 | 第15页 |
| 1.2.6 人工神经网络 | 第15页 |
| 1.2.7 深度学习 | 第15-16页 |
| 1.3 ADME/T性质 | 第16-20页 |
| 1.3.1 吸收 | 第16-17页 |
| 1.3.2 分布 | 第17-18页 |
| 1.3.3 代谢 | 第18-19页 |
| 1.3.4 排泄 | 第19页 |
| 1.3.5 毒性 | 第19-20页 |
| 1.4 致癌毒性预测模型的研究进展 | 第20-25页 |
| 1.4.1 基于警示结构的模型 | 第21-22页 |
| 1.4.2 局部模型 | 第22页 |
| 1.4.3 全局模型 | 第22-23页 |
| 1.4.4 致癌毒性预测工具 | 第23-25页 |
| 1.5 小结与论文安排 | 第25-27页 |
| 参考文献 | 第27-33页 |
| 第2章 化合物半衰期预测模型的构建 | 第33-53页 |
| 2.1 引言 | 第33-35页 |
| 2.2 材料和方法 | 第35-41页 |
| 2.2.1 数据集处理 | 第35-36页 |
| 2.2.2 Gradient boosting machine(GBM) | 第36-37页 |
| 2.2.3 支持向量回归联合遗传算法 | 第37-38页 |
| 2.2.4 基于k-最近邻法的即时学习方法 | 第38-40页 |
| 2.2.5 一致性模型 | 第40-41页 |
| 2.2.6 模型评价方式 | 第41页 |
| 2.2.7 应用域 | 第41页 |
| 2.3 结果与讨论 | 第41-48页 |
| 2.3.1 预测模型的结果比较 | 第41-43页 |
| 2.3.2 应用域的作用 | 第43-44页 |
| 2.3.3 一致性模型的表现 | 第44-45页 |
| 2.3.4 预测误差较大的化合物分析 | 第45-47页 |
| 2.3.5 重要描述符分析 | 第47-48页 |
| 2.4 小结 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 第3章 基于深度神经网络的药物代谢反应预测 | 第53-75页 |
| 3.1 引言 | 第53-56页 |
| 3.2 材料和方法 | 第56-62页 |
| 3.2.1 代谢反应数据集 | 第56-58页 |
| 3.2.2 代谢反应预测研究方案 | 第58-59页 |
| 3.2.3 代谢位点指纹描述符 | 第59页 |
| 3.2.4 深度神经网络模型 | 第59-61页 |
| 3.2.5 投票系统 | 第61-62页 |
| 3.3 结果与讨论 | 第62-70页 |
| 3.3.1 深度神经网络的超参数 | 第62-68页 |
| 3.3.2 代谢反应预测模型评价 | 第68-69页 |
| 3.3.3 分析讨论 | 第69-70页 |
| 3.4 小结 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 第4章 药源性急性肾损伤关联靶标的分析研究 | 第75-95页 |
| 4.1 引言 | 第75-78页 |
| 4.2 材料和方法 | 第78-81页 |
| 4.2.1 数据准备 | 第78页 |
| 4.2.2 化合物与靶标基因相互作用信息 | 第78-79页 |
| 4.2.3 列联表分析 | 第79-80页 |
| 4.2.4 费歇尔精确检验 | 第80-81页 |
| 4.3 结果与讨论 | 第81-89页 |
| 4.3.1 显著性大小排序 | 第81-84页 |
| 4.3.2 靶标基因/蛋白-肾毒性相关疾病分析 | 第84-88页 |
| 4.3.3 讨论 | 第88-89页 |
| 4.4 小结 | 第89-91页 |
| 参考文献 | 第91-95页 |
| 第5章 全文总结 | 第95-97页 |
| 附录1 代谢反应类型以及用于识别潜在代谢位点的SMARTS串 | 第97-103页 |
| 附录2 显著性排名前100的基因/蛋白简称和全称 | 第103-107页 |
| 附录3 本文涉及的肾脏相关疾病的中英文对照表 | 第107-109页 |
| 致谢 | 第109-111页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第111页 |
