| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 基于机器学习药物重定位方法 | 第15页 |
| 1.2.2 基于网络分析的药物重定位方法 | 第15-16页 |
| 1.2.3 基于文本挖掘和语义推理的药物重定位方法 | 第16-17页 |
| 1.3 本文主要工作 | 第17-18页 |
| 1.4 论文组织结构 | 第18-19页 |
| 第2章 基于计算的药物重定位方法概述 | 第19-29页 |
| 2.1 相似性计算方法 | 第19-23页 |
| 2.1.1 疾病相似性计算 | 第19-21页 |
| 2.1.2 药物相似性计算 | 第21-23页 |
| 2.2 计算方法的药物重定位模型 | 第23-27页 |
| 2.2.1 基于网络结构的药物重定模型 | 第23-25页 |
| 2.2.2 基于稀疏特征的药物重定模型 | 第25-27页 |
| 2.3 疾病-药物关系预测评价指标 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于异构网络信息传播的药物重定位算法 | 第29-45页 |
| 3.1 引言 | 第29页 |
| 3.2 相关概念 | 第29-31页 |
| 3.2.1 异构网络 | 第29-30页 |
| 3.2.2 元路径 | 第30-31页 |
| 3.3 基于异构网络信息传播的药物重定位算法 | 第31-37页 |
| 3.3.1 IPHN算法框架 | 第31页 |
| 3.3.2 异构网络构建 | 第31-32页 |
| 3.3.3 异构网络间节点相似性 | 第32-34页 |
| 3.3.4 异构网络随机游走 | 第34-37页 |
| 3.4 实验结果及分析 | 第37-44页 |
| 3.4.1 实验数据 | 第37-38页 |
| 3.4.2 实验结果分析 | 第38-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于图正则化的直推式回归的药物重定位算法 | 第45-58页 |
| 4.1 引言 | 第45页 |
| 4.2 直推式回归 | 第45-46页 |
| 4.3 基于图正则化的直推式回归的药物重定位算法 | 第46-51页 |
| 4.3.1 GRTR算法框架 | 第46-47页 |
| 4.3.2 异构网络构建 | 第47页 |
| 4.3.3 药物相关疾病的初步估计 | 第47-49页 |
| 4.3.4 GRTR算法 | 第49-51页 |
| 4.4 实验结果及分析 | 第51-57页 |
| 4.4.1 实验数据 | 第51页 |
| 4.4.2 实验结果分析 | 第51-57页 |
| 4.5 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-68页 |
| 附录A 攻读硕士学位期间的学术成果 | 第68-69页 |
| 附录B 攻读硕士学位期间参加的科研项目 | 第69-70页 |
| 致谢 | 第70-71页 |