| 摘要 | 第6-9页 |
| ABSTRACT | 第9-12页 |
| 英文缩略语 | 第13-14页 |
| 第一章 文献综述 | 第14-24页 |
| 1.1 药物作用靶点预测的研究现状 | 第14-16页 |
| 1.1.1 基于配体结构特征的药物作用靶点预测 | 第14-15页 |
| 1.1.2 基于受体结构特征的药物作用靶点预测 | 第15页 |
| 1.1.3 基于数据挖掘的药物作用靶点预测 | 第15-16页 |
| 1.1.4 小结 | 第16页 |
| 1.2 药物活性预测的研究现状 | 第16-18页 |
| 1.2.1 基于药效团方法的药物活性预测 | 第16页 |
| 1.2.2 基于QSAR方法的药物活性预测 | 第16-17页 |
| 1.2.3 基于分子对接方法的药物活性预测 | 第17页 |
| 1.2.4 分子对接与QSAR联用进行药物活性预测 | 第17-18页 |
| 1.2.5 小结 | 第18页 |
| 1.3 药物靶点相互作用关系预测的研究现状 | 第18-21页 |
| 1.3.1 药物靶点相互作用关系的定性预测 | 第18-20页 |
| 1.3.2 药物靶点相互作用关系的定量预测 | 第20页 |
| 1.3.3 小结 | 第20-21页 |
| 参考文献 | 第21-24页 |
| 前言 | 第24-26页 |
| 第二章 药物与靶点特征属性的分析及确定 | 第26-54页 |
| 2.1 数据来源 | 第26-28页 |
| 2.2 方法原理 | 第28-34页 |
| 2.2.1 靶点的参数化表征 | 第28-29页 |
| 2.2.2 药物分子的参数化表征 | 第29-31页 |
| 2.2.3 药物-靶点相互作用特征子集的构建 | 第31-34页 |
| 2.3 结果与讨论 | 第34-53页 |
| 2.3.1 靶点参数化表征的结果 | 第34-43页 |
| 2.3.2 药物分子参数化表征的结果 | 第43-52页 |
| 2.3.3 药物与靶点相互作用的特征子集 | 第52-53页 |
| 2.4 小结 | 第53-54页 |
| 第三章 药物与靶点定量预测模型的构建 | 第54-76页 |
| 3.1 数据来源 | 第54-55页 |
| 3.2 方法原理 | 第55-61页 |
| 3.2.1 训练集与测试集的划分 | 第55-56页 |
| 3.2.2 随机森林算法 | 第56-57页 |
| 3.2.3 支持向量机算法 | 第57-59页 |
| 3.2.4 人工神经网络算法 | 第59-60页 |
| 3.2.5 定量预测模型的评价方法 | 第60-61页 |
| 3.3 结果与讨论 | 第61-71页 |
| 3.3.1 随机森林算法构建的药物靶点定量预测模型 | 第62-64页 |
| 3.3.2 支持向量机算法构建的药物靶点定量预测模型 | 第64-68页 |
| 3.3.3 人工神经网络算法构建的药物靶点定量预测模型 | 第68-71页 |
| 3.4 最优模型的选择 | 第71-74页 |
| 3.5 与文献报道的药物-靶点定量预测模型的比较 | 第74页 |
| 3.6 小结 | 第74-76页 |
| 第四章 药物靶点定量预测模型在中药化学成分靶点识别及活性预测中的应用 | 第76-80页 |
| 4.1 数据来源 | 第76页 |
| 4.2 方法与原理 | 第76-77页 |
| 4.3 结果与讨论 | 第77-78页 |
| 4.3.1 EC_(50)最优模型在中药化学成分靶点识别及活性预测中的应用 | 第77页 |
| 4.3.2 KD最优模型在中药化学成分靶点识别与活性预测中的应用 | 第77-78页 |
| 4.4 小结 | 第78-80页 |
| 第五章 总结与展望 | 第80-82页 |
| 5.1 研究成果 | 第80页 |
| 5.2 创新点 | 第80页 |
| 5.3 展望 | 第80-82页 |
| 参考文献 | 第82-87页 |
| 附录 | 第87-106页 |
| 致谢 | 第106-107页 |
| 在学期间主要研究成果 | 第107-108页 |
