| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 目录 | 第9-12页 |
| 第1章 绪论 | 第12-25页 |
| 1.1 计算机辅助药物发现 | 第12-14页 |
| 1.1.1 药物学研究历史 | 第12-13页 |
| 1.1.2 计算机参与药物发现 | 第13-14页 |
| 1.2 虚拟筛选与分子相似性 | 第14-20页 |
| 1.2.1 虚拟筛选的概念与应用 | 第14-15页 |
| 1.2.2 分子相似性原理与构效关系 | 第15-17页 |
| 1.2.3 描述符与化学空间 | 第17-18页 |
| 1.2.4 基于相似性的数据挖掘 | 第18-20页 |
| 1.3 现有的虚拟筛选方法 | 第20-23页 |
| 1.3.1 分子二维子结构搜索方法 | 第20-21页 |
| 1.3.2 分子三维形状相似性评价方法 | 第21-22页 |
| 1.3.3 分子对接方法 | 第22-23页 |
| 1.4 本文的组织结构 | 第23-25页 |
| 第2章 基于球谐函数的分子相似性比较方法 | 第25-62页 |
| 2.1 分子形状相似性的背景 | 第25-27页 |
| 2.2 描述符与加权比较方法的实现 | 第27-50页 |
| 2.2.1 数据准备 | 第27-31页 |
| 2.2.2 球谐函数 | 第31-35页 |
| 2.2.3 球面函数的投影 | 第35-37页 |
| 2.2.4 球谐函数形状描述符与比较 | 第37-39页 |
| 2.2.5 球面点的无偏随机采样 | 第39-41页 |
| 2.2.6 分子表面点的快速定位 | 第41-44页 |
| 2.2.7 遗传算法 | 第44-48页 |
| 2.2.8 适应度函数的设计 | 第48-50页 |
| 2.3 虚拟筛选结果分析与讨论 | 第50-61页 |
| 2.3.1 整体性能分析 | 第50-53页 |
| 2.3.2 早期识别性能分析 | 第53-55页 |
| 2.3.3 训练集大小对性能的影响 | 第55-56页 |
| 2.3.4 性能细节分析 | 第56-58页 |
| 2.3.5 权值优化分析 | 第58-61页 |
| 2.4 小结 | 第61-62页 |
| 第3章 基于球谐函数分子形状描述符的活性分子识别 | 第62-85页 |
| 3.1 相似性搜索与模式识别的背景 | 第62-64页 |
| 3.2 各分类模型与平衡策略的实现 | 第64-77页 |
| 3.2.1 Naive Bayesian分类器 | 第64-65页 |
| 3.2.2 决策树 | 第65-67页 |
| 3.2.3 多层人工神经元网络 | 第67-70页 |
| 3.2.4 支持向量机 | 第70-74页 |
| 3.2.5 不平衡数据集上的模式识别 | 第74-77页 |
| 3.3 活性分子的识别结果与讨论 | 第77-84页 |
| 3.3.1 分子形状描述符分析 | 第77-78页 |
| 3.3.2 隐层人工神经元个数与分类性能 | 第78-80页 |
| 3.3.3 支持向量机参数与分类性能 | 第80-82页 |
| 3.3.4 不同分类模型的分类性能 | 第82-84页 |
| 3.4 小结 | 第84-85页 |
| 第4章 基于高斯体积的分子相似性比较方法 | 第85-118页 |
| 4.1 虚拟筛选的背景 | 第85-87页 |
| 4.2 分子叠合方法的实现 | 第87-99页 |
| 4.2.1 数据准备 | 第87-89页 |
| 4.2.2 原子的高斯体积 | 第89-91页 |
| 4.2.3 分子形状相似性的度量 | 第91-92页 |
| 4.2.4 分子化学特征相似性的度量 | 第92-94页 |
| 4.2.5 单纯形搜索算法与分子叠合 | 第94-98页 |
| 4.2.6 性能评价 | 第98-99页 |
| 4.3 基于不同策略的虚拟筛选结果与讨论 | 第99-116页 |
| 4.3.1 活性分子与诱饵分子之间的形状差异 | 第99-101页 |
| 4.3.2 虚拟筛选的整体性能 | 第101-104页 |
| 4.3.3 虚拟筛选的详细性能 | 第104-108页 |
| 4.3.4 骨架跃迁潜能 | 第108-111页 |
| 4.3.5 相似性得分之间的相关性 | 第111-112页 |
| 4.3.6 使用配体作为提问结构 | 第112-115页 |
| 4.3.7 与分子对接方法的比较 | 第115-116页 |
| 4.3.8 计算时间 | 第116页 |
| 4.4 小结 | 第116-118页 |
| 第5章 结合位点相似性比较方法 | 第118-136页 |
| 5.1 结合位点相似性评价的背景 | 第118页 |
| 5.2 结合位点叠合方法的实现 | 第118-127页 |
| 5.2.1 数据准备 | 第118-120页 |
| 5.2.2 基于匈牙利算法的残基对应关系鉴别 | 第120-121页 |
| 5.2.3 基于单纯型算法的结合位点叠合 | 第121-122页 |
| 5.2.4 基于凝聚策略的层次聚类 | 第122-125页 |
| 5.2.5 结合位点相似性在线计算平台SiteMapper | 第125-127页 |
| 5.3 蛋白质分类与筛选的结果 | 第127-134页 |
| 5.3.1 基于结合位点相似性的蛋白质分类 | 第127-128页 |
| 5.3.2 基于实验数据的验证 | 第128-129页 |
| 5.3.3 相似性得分的整体分布 | 第129-131页 |
| 5.3.4 蛋白质虚拟筛选的性能 | 第131-133页 |
| 5.3.5 实例研究 | 第133-134页 |
| 5.4 小结 | 第134-136页 |
| 第6章 结束语 | 第136-138页 |
| 6.1 全文总结 | 第136-137页 |
| 6.2 展望 | 第137-138页 |
| 参考文献 | 第138-154页 |
| 致谢 | 第154-155页 |
| 附录1 攻读学位期间发表的学术论文 | 第155-156页 |
| 附录2 攻读学位期间发表的会议论文 | 第156-157页 |
| 附录3 攻读学位期间申请的软件版权 | 第157页 |