| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-30页 |
| ·定量构效关系的概述 | 第10页 |
| ·定量构效关系(QSAR)发展及其研究现状 | 第10-11页 |
| ·QSPR/QSAR 的主要步骤 | 第11-24页 |
| ·数据的收集和整理 | 第12页 |
| ·计算和挑选分子描述符 | 第12-13页 |
| ·分子描述符的选择 | 第13-16页 |
| ·建模的方法 | 第16-22页 |
| ·模型验证 | 第22-24页 |
| 参考文献 | 第24-30页 |
| 第二章 基于定量构效关系对胞浆型磷脂酶 A_2α的吲哚衍生物抑制剂的研究 | 第30-50页 |
| ·引言 | 第30-31页 |
| ·材料和方法 | 第31-36页 |
| ·实验数据 | 第31页 |
| ·分子描述符的计算和选择 | 第31-36页 |
| ·方法 | 第36页 |
| ·结果与讨论 | 第36-42页 |
| ·分子描述选择的结果 | 第36-38页 |
| ·偏最小二乘模型 | 第38-39页 |
| ·人工神经网络模型 | 第39-40页 |
| ·支持向量机 | 第40-42页 |
| ·模型的评价 | 第42页 |
| ·结论 | 第42-44页 |
| 参考文献 | 第44-50页 |
| 第三章 基于定量构效关系对 c-Met 激酶的 MK-2461 衍生物的抑制剂的研究 | 第50-66页 |
| ·引言 | 第50-51页 |
| ·数据和方法 | 第51-53页 |
| ·数据的收集 | 第51-53页 |
| ·分子描述符的产生 | 第53页 |
| ·结果与讨论 | 第53-61页 |
| ·分子描述符的选择 | 第53-54页 |
| ·偏最小二乘建模 | 第54-55页 |
| ·人工神经网络 | 第55-58页 |
| ·支持向量机建模 | 第58-60页 |
| ·讨论 | 第60-61页 |
| ·结论 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 第四章 基于定量构效关系对微管蛋白聚合的 N-苯甲酰化吩噁嗪和吩噻嗪抑制剂的研究 | 第66-80页 |
| ·引言 | 第66-67页 |
| ·材料与方法 | 第67-70页 |
| ·数据来源 | 第67页 |
| ·分子描述符的产生 | 第67-68页 |
| ·分子描述符的选择 | 第68-69页 |
| ·建模方法 | 第69-70页 |
| ·结果与讨论 | 第70-75页 |
| ·分子描述符的选择 | 第70-71页 |
| ·偏最小二乘方法建模 | 第71-72页 |
| ·粒子群优化的支持向量机方法 | 第72-73页 |
| ·模型的评价 | 第73-74页 |
| ·讨论 | 第74-75页 |
| ·结论 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 在读硕士期间发表的论文 | 第80-81页 |
| 致谢 | 第81页 |
