| 摘要 | 第1-7页 |
| Abstract | 第7-15页 |
| 第1章 系统药物设计概述 | 第15-39页 |
| ·引言 | 第15-16页 |
| ·复杂网络 | 第16-17页 |
| ·生物网络 | 第17-22页 |
| ·药物-靶标相互作用网络 | 第17页 |
| ·蛋白-蛋白相互作用网络 | 第17-19页 |
| ·代谢网络 | 第19-20页 |
| ·疾病网络 | 第20-22页 |
| ·药物-靶标相互作用网络预测方法学 | 第22-26页 |
| ·基于配体方法 | 第22-23页 |
| ·基于靶标三维结构方法 | 第23页 |
| ·基于计算化学基因组学方法 | 第23页 |
| ·基于生物网络推理方法 | 第23-24页 |
| ·基于基因型和表型网络推理方法 | 第24-26页 |
| ·药物重定位 | 第26-27页 |
| ·计算机辅助的化合物药代动力学性质及毒性预测方法学 | 第27-37页 |
| ·化合物描述符计算 | 第28-30页 |
| ·数学建模方法 | 第30-35页 |
| ·模型评价方法 | 第35-36页 |
| ·化合物药代动力学和毒性计算预测方法学存在的科学问题和挑战 | 第36-37页 |
| ·论文总体安排 | 第37-39页 |
| 第2章 基于网络推理的药物靶标发现及药物重定位预测研究 | 第39-70页 |
| ·引言 | 第39-40页 |
| ·材料和方法 | 第40-47页 |
| ·数据收集和整理 | 第40-41页 |
| ·药物-靶标二部网络构建 | 第41页 |
| ·基于药物相似性推理 | 第41页 |
| ·基于靶标一级序列相似性推理 | 第41-42页 |
| ·基于网络推理 | 第42页 |
| ·基于边加权的网络推理 | 第42-44页 |
| ·基于节点加权的网络推理 | 第44-45页 |
| ·结果评价 | 第45-46页 |
| ·生物测试化合物购买 | 第46-47页 |
| ·二肽基肽酶-Ⅳ抑制活性评价 | 第47页 |
| ·雌激素受体的激动和拮抗活性评价 | 第47页 |
| ·MTT测试 | 第47页 |
| ·无加权网络推理方法试验结果 | 第47-56页 |
| ·基准数据集的预测结果 | 第47-48页 |
| ·预测新的药物-靶标相互作用 | 第48-51页 |
| ·试验验证结果 | 第51-54页 |
| ·药物-靶标相互作用可视化网络分析 | 第54-56页 |
| ·加权网络推理方法试验结果 | 第56-66页 |
| ·网络拓扑特征分析 | 第56-58页 |
| ·基于节点加权的网络推理预测结果 | 第58-59页 |
| ·基于边加权的网络推理预测结果 | 第59-60页 |
| ·化合物-蛋白质网络中的“弱相互作用假设”发现 | 第60-62页 |
| ·预测药物新靶标 | 第62-66页 |
| ·讨论 | 第66-69页 |
| ·方法比较 | 第66页 |
| ·网络推理算法在药物重定位中的潜在应用 | 第66-67页 |
| ·新DPP-Ⅳ抑制剂孟鲁司特的多向药理学特征 | 第67-68页 |
| ·新雌激素活性配体的多向药理学特征 | 第68-69页 |
| ·药物-靶标网络中的“弱相互作用假设” | 第69页 |
| ·本章小结 | 第69-70页 |
| 第3章 基于表型网络推理的药物副作用及体内复杂行为预测 | 第70-87页 |
| ·引言 | 第70-71页 |
| ·材料和方法 | 第71-74页 |
| ·药物副作用数据库MetaADEDB构建 | 第71页 |
| ·药物-ADE关联性网络构建 | 第71页 |
| ·基于表型网络推理的的药物副作用 | 第71-73页 |
| ·基于药物副作用相似性的药物靶标预测 | 第73-74页 |
| ·预测结果评价 | 第74页 |
| ·试验结果 | 第74-81页 |
| ·药物副作用数据库MetaADEDB介绍 | 第74-77页 |
| ·药物-药物副作用网络 | 第77-79页 |
| ·药物-靶标相互作用网络 | 第79页 |
| ·药物-药物网络 | 第79页 |
| ·预测药物新的副作用结果 | 第79页 |
| ·预测新的药物-靶标相互作用结果 | 第79-81页 |
| ·发现药物新靶标 | 第81页 |
| ·讨论 | 第81-86页 |
| ·方法优势与局限性 | 第81-85页 |
| ·药物脱靶蛋白-副作用事件网络 | 第85-86页 |
| ·本章小结 | 第86-87页 |
| 第4章 计算化学基因组学和mt-QSAR方法发展和应用研究 | 第87-105页 |
| ·引言 | 第87页 |
| ·材料和方法 | 第87-91页 |
| ·实验原理 | 第87页 |
| ·数据收集与处理 | 第87-89页 |
| ·小分子描述符计算 | 第89页 |
| ·靶标蛋白描述符计算 | 第89页 |
| ·mt-QSAR方法原理 | 第89页 |
| ·计算化学基因组方法 | 第89-90页 |
| ·建模方法 | 第90页 |
| ·软件和在线服务CPI-Predictor发展 | 第90-91页 |
| ·实验结果 | 第91-98页 |
| ·数据集多样性分析 | 第91页 |
| ·mt-QSAR模型结果 | 第91页 |
| ·计算化学基因组学模型结果 | 第91-96页 |
| ·外部确证集的预测结果 | 第96-98页 |
| ·软件和基于网页服务CPI-Predictor的功能介绍 | 第98-100页 |
| ·CPI-Predictor特点 | 第98-99页 |
| ·基于Web服务CPI-Predictor | 第99-100页 |
| ·讨论 | 第100-104页 |
| ·药物多向药理学特征分析 | 第100页 |
| ·计算化学基因组学与mt-QSAR方法比较 | 第100-103页 |
| ·化学基因组学方法展望 | 第103-104页 |
| ·本章小结 | 第104-105页 |
| 第5章 化合物代谢相关性质预测方法发展和应用研究 | 第105-151页 |
| ·引言 | 第105-106页 |
| ·细胞色素P450抑制剂分类预测研究 | 第106-127页 |
| ·材料与方法 | 第106-114页 |
| ·结果 | 第114-122页 |
| ·讨论 | 第122-126页 |
| ·小结 | 第126-127页 |
| ·小分子细胞色素P450抑制杂泛性表征和预测 | 第127-142页 |
| ·材料和方法 | 第127-128页 |
| ·结果和讨论 | 第128-141页 |
| ·小结 | 第141-142页 |
| ·化合物生物降解性预测 | 第142-149页 |
| ·材料和方法 | 第142-144页 |
| ·结果和讨论 | 第144-149页 |
| ·小结 | 第149页 |
| ·本章小结 | 第149-151页 |
| 第6章 化合物毒性预测方法发展和应用研究 | 第151-163页 |
| ·引言 | 第151-152页 |
| ·化合物水生毒性预测 | 第152-155页 |
| ·材料和方法 | 第152-154页 |
| ·结果和讨论 | 第154-155页 |
| ·化合物陆生毒性预测 | 第155-157页 |
| ·材料和方法 | 第155-156页 |
| ·结果和讨论 | 第156-157页 |
| ·计算系统毒理学方法发展 | 第157-161页 |
| ·材料和方法 | 第157-158页 |
| ·结果与讨论 | 第158-161页 |
| ·本章小结 | 第161-163页 |
| 第7章 ADMET相关数据库构建和预测软件发展 | 第163-175页 |
| ·引言 | 第163-164页 |
| ·材料和方法 | 第164-168页 |
| ·数据准备 | 第164-165页 |
| ·admetSAR数据库构建 | 第165-166页 |
| ·ADMET-Simulator程序设计 | 第166-168页 |
| ·admetSAR数据库介绍 | 第168-171页 |
| ·admetSAR数据库描述 | 第168-169页 |
| ·预测全新分子药代动力学性质及毒性 | 第169-171页 |
| ·admetSAR数据库的使用和特点 | 第171页 |
| ·软件ADMET-Simulator功能及应用介绍 | 第171-174页 |
| ·ADMET-Simulator软件的模块功能介绍 | 第171-172页 |
| ·ADMET-Simulator特点 | 第172页 |
| ·ADMET-Simulator使用简单介绍 | 第172-174页 |
| ·本章小结 | 第174-175页 |
| 第8章 全文总结和展望 | 第175-178页 |
| 参考文献 | 第178-209页 |
| 攻读博士期间撰写的论文和成果 | 第209-213页 |
| 致谢 | 第213-214页 |
