大数据环境下分子检索与药物候选物识别研究
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第一章 引言 | 第7-14页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 分子检索技术研究 | 第8-9页 |
| 1.2.2 药物候选物分析研究 | 第9-11页 |
| 1.2.3 存在的问题 | 第11-12页 |
| 1.3 本文的主要工作 | 第12页 |
| 1.4 本文的组织结构 | 第12-14页 |
| 第二章 相关知识介绍 | 第14-21页 |
| 2.1 分子结构表述 | 第14-15页 |
| 2.2 化合物检索技术概述 | 第15-17页 |
| 2.2.1 结构检索算法 | 第16页 |
| 2.2.2 划分-松弛法 | 第16页 |
| 2.2.3 精确匹配 | 第16-17页 |
| 2.2.4 筛选法 | 第17页 |
| 2.2.5 其他方法 | 第17页 |
| 2.3 机器学习方法 | 第17-20页 |
| 2.3.1 深度学习 | 第18-19页 |
| 2.3.2 支持向量机 | 第19页 |
| 2.3.3 人工神经网络 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 大数据环境下的分子检索 | 第21-28页 |
| 3.1 分子文件处理 | 第21-23页 |
| 3.1.1 分子文件存储 | 第21-22页 |
| 3.1.2 基于属性筛选的VF2算法 | 第22-23页 |
| 3.2 基于分布式的分子检索 | 第23-24页 |
| 3.2.1 MapReduce编程框架 | 第23-24页 |
| 3.2.2 分子并行检索模型 | 第24页 |
| 3.3 实验结果与分析 | 第24-27页 |
| 3.3.1 数据源 | 第24页 |
| 3.3.2 实验环境 | 第24-25页 |
| 3.3.3 实验结果 | 第25-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 基于折射率的分子检索 | 第28-34页 |
| 4.1 基于一致性hash的分子检索 | 第28-30页 |
| 4.1.1 连续数据离散化 | 第28页 |
| 4.1.2 一致性hash算法 | 第28-29页 |
| 4.1.3 冲突处理 | 第29-30页 |
| 4.2 分布式检索模型 | 第30-31页 |
| 4.3 实验结果与分析 | 第31-33页 |
| 4.3.1 数据源及参数设置 | 第31页 |
| 4.3.2 实验环境 | 第31页 |
| 4.3.3 实验结果 | 第31-33页 |
| 4.4 本章小结 | 第33-34页 |
| 第五章 药物候选物识别研究 | 第34-42页 |
| 5.1 特征筛选 | 第34-35页 |
| 5.2 DBN模型 | 第35-39页 |
| 5.2.1 RBM网络 | 第36-38页 |
| 5.2.2 BP网络 | 第38-39页 |
| 5.3 实验结果与分析 | 第39-41页 |
| 5.3.1 数据源及参数设置 | 第39页 |
| 5.3.2 实验结果与分析 | 第39-41页 |
| 5.4 本章小结 | 第41-42页 |
| 第六章 总结及展望 | 第42-44页 |
| 6.1 总结 | 第42页 |
| 6.2 展望 | 第42-44页 |
| 参考文献 | 第44-49页 |
| 硕士研究生期间发表论文 | 第49-50页 |
| 致谢 | 第50-51页 |
