| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 计算机辅助药物设计概述 | 第13-14页 |
| 1.2 计算机辅助药物的常用研究方法 | 第14-20页 |
| 1.2.1 构效关系 | 第14-17页 |
| 1.2.1.1 构效关系概述 | 第14-15页 |
| 1.2.1.2 构效关系模型研究方法 | 第15-17页 |
| 1.2.2 虚拟筛选 | 第17-20页 |
| 1.2.2.1 虚拟筛选概述 | 第17-19页 |
| 1.2.2.2 虚拟筛选的常用数据库和软件 | 第19-20页 |
| 1.3 极光激酶与其抑制剂 | 第20-23页 |
| 1.3.1 极光激酶家族 | 第20页 |
| 1.3.2 极光激酶A与其抑制剂 | 第20-22页 |
| 1.3.3 极光激酶A抑制剂的计算机模型的研究现状 | 第22-23页 |
| 1.4 本课题的主要研究工作 | 第23-25页 |
| 第二章 极光激酶A抑制剂的分类模型研究 | 第25-39页 |
| 2.1 数据集收集与预处理 | 第25页 |
| 2.2 结构特征符 | 第25-26页 |
| 2.3 结构特征符的择优分析 | 第26-28页 |
| 2.4 分类模型ModelA1：自组织神经网络(SOM)方法构建 | 第28-30页 |
| 2.5 分类模型ModelA2：支持向量机(SVM)方法构建 | 第30-32页 |
| 2.6 自组织神经网络方法(SOM)和支持向量机方法(SVM)的结果对比 | 第32-33页 |
| 2.7 随机置乱方法(Y-scrambling)模型检验 | 第33-34页 |
| 2.8 ECFP_4指纹图谱对化合物子结构特性的分析 | 第34-36页 |
| 2.9 结构特征符在分类模型中应用分析 | 第36-37页 |
| 2.10 结论 | 第37-39页 |
| 第三章 极光激酶A抑制剂的定量预测模型研究 | 第39-57页 |
| 3.1 模型相关数据集收集及预处理 | 第39-40页 |
| 3.2 结构特征符及其择优选择 | 第40-41页 |
| 3.3 定量预测模型Mode1B1：多元线性回归(MLR)的方法构建 | 第41-45页 |
| 3.4 定量预测模型Mode1B2：支持向量机(SVM)方法的构建 | 第45-50页 |
| 3.5 模型检验：随机组合(Y-Randomization)方法 | 第50-52页 |
| 3.6 结构特征符在定量预测模型的分析 | 第52-54页 |
| 3.7 结论 | 第54-57页 |
| 第四章 极光激酶A抑制剂的虚拟筛选研究 | 第57-73页 |
| 4.1 虚拟筛选所用数据库的构建 | 第57页 |
| 4.2 ROCs：基于配体三维形状相似性的筛选 | 第57-67页 |
| 4.2.1 ROCs的筛选规则和数据库预处理 | 第58页 |
| 4.2.2 查询分子(query)的建立 | 第58-67页 |
| 4.3 EON：分子的静电相似性筛选 | 第67-68页 |
| 4.4 极光激酶A抑制剂分类和定量预测模型的虚拟筛选 | 第68-70页 |
| 4.4.1 分类模型的虚拟筛选 | 第69页 |
| 4.4.2 定量预测模型的虚拟筛选 | 第69-70页 |
| 4.5 结论 | 第70-73页 |
| 第五章 结论与展望 | 第73-75页 |
| 参考文献 | 第75-89页 |
| 致谢 | 第89-91页 |
| 研究成果及发表的学术论文 | 第91-93页 |
| 作者及导师简介 | 第93-94页 |
| 附件 | 第94-95页 |
