| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第14-26页 |
| 1.1 昆虫酚氧化酶研究概况 | 第14-18页 |
| 1.1.1 酚氧化酶 | 第14-16页 |
| 1.1.2 昆虫酚氧化酶概况 | 第16-18页 |
| 1.1.3 昆虫酚氧化酶抑制剂及应用前景 | 第18页 |
| 1.2 化学信息学与定量构效关系(QSAR)建模 | 第18-22页 |
| 1.2.1 化学信息学 | 第18-20页 |
| 1.2.2 机器学习方法 | 第20-21页 |
| 1.2.3 QSAR模型概述 | 第21-22页 |
| 1.3 迁移学习 | 第22-24页 |
| 1.4 研究内容和主要贡献 | 第24-26页 |
| 第二章 昆虫酚氧化酶抑制剂定性分类研究 | 第26-48页 |
| 2.1 基于昆虫酚氧化酶抑制剂数据的定性分类模型 | 第26-32页 |
| 2.1.1 数据收集及预处理 | 第26-27页 |
| 2.1.2 描述符计算与筛选 | 第27-29页 |
| 2.1.3 模型构建 | 第29-31页 |
| 2.1.4 模型评价 | 第31-32页 |
| 2.2 基于拓展数据库的定性分类模型 | 第32-39页 |
| 2.2.1 数据收集与预处理 | 第32-34页 |
| 2.2.2 描述符计算与筛选 | 第34-35页 |
| 2.2.3 模型构建 | 第35-39页 |
| 2.2.4 模型评价 | 第39页 |
| 2.3 基于迁移学习的定性分类模型 | 第39-45页 |
| 2.3.1 利用外部测试集验证传统机器学习模型性能 | 第40页 |
| 2.3.2 基于TRADABOOST算法的定性分类模型构建 | 第40-42页 |
| 2.3.3 模型预测效果对比分析 | 第42-45页 |
| 2.4 本章小结 | 第45-48页 |
| 第三章 昆虫酚氧化酶抑制剂定量预测研究 | 第48-62页 |
| 3.1 数据收集及预处理 | 第48-49页 |
| 3.1.1 数据的获得和整理 | 第48页 |
| 3.1.2 划分训练集和测试集 | 第48-49页 |
| 3.2 描述符计算与筛选 | 第49-50页 |
| 3.2.1 分子描述符的计算和选择 | 第49页 |
| 3.2.2 描述符的筛选 | 第49-50页 |
| 3.3 模型构建 | 第50-53页 |
| 3.3.1 采用多元线性回归的模型构建 | 第50-51页 |
| 3.3.2 采用支持向量机的模型构建及参数寻优 | 第51-53页 |
| 3.4 模型评价 | 第53-55页 |
| 3.4.1 模型评价指标计算与讨论 | 第53-54页 |
| 3.4.2 模型绘制散点图结果与讨论 | 第54-55页 |
| 3.5 模型对外部测试集的预测 | 第55-61页 |
| 3.5.1 外部测试集数据收集与讨论 | 第56页 |
| 3.5.2 预测结果与讨论 | 第56-61页 |
| 3.6 本章小结 | 第61-62页 |
| 第四章 结论与建议 | 第62-64页 |
| 4.1 结论 | 第62页 |
| 4.2 建议 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-72页 |
| 导师简介 | 第72-74页 |
| 作者简介 | 第74-75页 |
| 附件 | 第75-76页 |