| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-19页 |
| 第一节 变构的概念与变构模型的发展 | 第10-13页 |
| 1.1.1 变构简介 | 第10页 |
| 1.1.2 变构概念的发展 | 第10-13页 |
| 第二节 发展变构药物的优点及面临的挑战 | 第13-19页 |
| 1.2.1 变构药物的优点 | 第13-15页 |
| 1.2.2 变构药物面临的挑战 | 第15页 |
| 1.2.3 变构上市药物 | 第15-18页 |
| 1.2.4 小结 | 第18-19页 |
| 第二章 变构数据的收集以及变构数据库的建立与更新 | 第19-31页 |
| 第一节 变构数据库概览 | 第19-23页 |
| 2.1.1 变构核心数据 | 第20页 |
| 2.1.2 变构位点 | 第20页 |
| 2.1.3 变构信号通路 | 第20-21页 |
| 2.1.4 变构调控网络 | 第21页 |
| 2.1.5 变构家族特征 | 第21-23页 |
| 第二节 变构数据库的第三版更新 | 第23-31页 |
| 2.2.1 背景 | 第23-25页 |
| 2.2.2 数据统计 | 第25-26页 |
| 2.2.3 新特征与新功能 | 第26-31页 |
| 第三章 变构打分函数的设计 | 第31-57页 |
| 第一节 背景 | 第31-38页 |
| 3.1.1 打分函数简介 | 第31-34页 |
| 3.1.2 变构打分函数的意义与可行性 | 第34-35页 |
| 3.1.3 打分函数总览 | 第35-38页 |
| 第二节 变构打分函数AlloScore的设计 | 第38-51页 |
| 3.2.1 数据集的构建 | 第38-41页 |
| 3.2.2 数据集中的结构文件的处理 | 第41页 |
| 3.2.3 基于经验的变构打分函数设计 | 第41-44页 |
| 3.2.4 方程的最终形式 | 第44页 |
| 3.2.5 打分函数的评测指标 | 第44-46页 |
| 3.2.6 Alloscore的性能评估 | 第46-51页 |
| 第三节 变构打分函数的深度学习模型初探 | 第51-57页 |
| 3.3.1 深度学习模型及其在生物信息学领域的应用 | 第51-54页 |
| 3.3.2 深度学习模型的输入表示 | 第54-55页 |
| 3.3.3 变构打分函数深度学习模型面临的挑战 | 第55-57页 |
| 第四章 变构信号传导通路分析 | 第57-87页 |
| 第一节 背景 | 第57-61页 |
| 4.1.1 变构传导通路分析技术总览 | 第57-61页 |
| 第二节 基于动态信息网络的社区发现方法介绍 | 第61-72页 |
| 4.2.1 模拟采样技术总览 | 第62-65页 |
| 4.2.2 构象系综的网络图转换 | 第65-66页 |
| 4.2.3 运动相关性分析 | 第66-67页 |
| 4.2.4 最优路径与次优路径分析 | 第67-68页 |
| 4.2.5 社区发现分析 | 第68-69页 |
| 4.2.6 动态网络社区发现分析的流程 | 第69-72页 |
| 第三节 案例分析：蛋白酪氨酸磷酸酶1B的变构传导通路研究 | 第72-87页 |
| 4.3.1 体系介绍 | 第72-75页 |
| 4.3.2 研究策略与方法 | 第75-77页 |
| 4.3.3 结果分析 | 第77-85页 |
| 4.3.4 结论 | 第85-87页 |
| 第五章 全文总结 | 第87-89页 |
| 参考文献 | 第89-107页 |
| 附录 | 第107-123页 |
| 攻读博士期间发表的论文 | 第123-125页 |
| 研究论文 | 第123-124页 |
| 会议论文 | 第124-125页 |
| 致谢 | 第125-127页 |