| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 缩略语表 | 第8-9页 |
| 1 前言 | 第9-14页 |
| 1.1 肿瘤是一种复杂性疾病 | 第9-10页 |
| 1.2 多靶标药物设计 | 第10-13页 |
| 1.2.1 靶标组合确定 | 第10-11页 |
| 1.2.2 多靶标药物筛选与设计 | 第11-13页 |
| 1.3 抗肿瘤活性数据及靶标活性数据库 | 第13页 |
| 1.4 论文的研究内容、目的与意义 | 第13-14页 |
| 2 材料和方法 | 第14-26页 |
| 2.1 研究方案 | 第14-15页 |
| 2.2 数据及软件 | 第15-20页 |
| 2.2.1 数据及预处理 | 第15-18页 |
| 2.2.2 应用软件 | 第18-20页 |
| 2.3 抗肿瘤化合物与蛋白质关联打分的计算 | 第20-23页 |
| 2.3.1 TL-SEA算法的实现和参数的确定 | 第20-23页 |
| 2.3.2 NCI化合物与蛋白质关联打分矩阵的计算 | 第23页 |
| 2.3.3 化合物与蛋白质关联网络的展示 | 第23页 |
| 2.4 抗肿瘤蛋白质靶标对的预测 | 第23-24页 |
| 2.4.1 组合打分方法 | 第23-24页 |
| 2.4.2 组合排序方法 | 第24页 |
| 2.5 活性测试 | 第24-26页 |
| 2.5.1 候选化合物与蛋白质作用矩阵的计算 | 第24页 |
| 2.5.2 候选化合物的确定与测试 | 第24-25页 |
| 2.5.3 活性测试方法 | 第25-26页 |
| 3 结果和分析 | 第26-46页 |
| 3.1 相似性阈值的探索 | 第26-37页 |
| 3.1.1 随机相似矩阵的抽样计算 | 第26-31页 |
| 3.1.2 标准化初始打分时参数拟合函数的选择 | 第31-33页 |
| 3.1.3 相似性阈值及拟合参数的选取 | 第33-37页 |
| 3.2 癌症靶标预测与分析 | 第37-42页 |
| 3.2.1 抑制K-562癌症细胞系生长的小分子与蛋白质网络分析 | 第37-39页 |
| 3.2.2 K-562癌症细胞系的靶标预测与分析 | 第39-42页 |
| 3.3 癌症靶标组合计算结果与分析 | 第42-44页 |
| 3.4 候选化合物与蛋白质计算结果 | 第44页 |
| 3.5 抗肿瘤细胞实验结果与分析 | 第44-46页 |
| 4 结论与展望 | 第46-49页 |
| 4.1 结论 | 第46-47页 |
| 4.2 展望 | 第47-49页 |
| 参考文献 | 第49-55页 |
| 附录A 图表索引 | 第55-57页 |
| 附录B 两层SEA随机相似性矩阵关于均值和标准差的拟合图,以及标准化后的Z-score的分布的拟合图 | 第57-59页 |
| 附录C 候选的靶标组合 | 第59-60页 |
| 附录D K-562癌症细胞活性测试过程及结果 | 第60-63页 |
| 附录E MATLAB脚本 | 第63-67页 |
| 致谢 | 第67页 |
