首页--工业技术论文--化学工业论文--制药化学工业论文--一般性问题论文--基础理论论文

基于GS-SVM的ATR和Telomerase抑制剂预测模型研究

摘要第4-7页
ABSTRACT第7-9页
前言第13-14页
第一章 绪论第14-31页
    1.1 Telomerase抑制剂抗肿瘤研究进展第14-16页
        1.1.1 Telomerase结构及其功能第14-15页
        1.1.2 Telomerase抑制剂第15-16页
    1.2 ATR抑制剂抗肿瘤研究进展第16-25页
        1.2.1 ATR结构及其功能第17页
        1.2.2 ATR抑制的抗肿瘤有效性第17-18页
        1.2.3 ATR抑制剂第18-25页
    1.3 机器学习方法在药物发现中的研究进展第25-29页
        1.3.1 k近邻法(kNN)在药物发现中的应用第26页
        1.3.2 人工神经网络(ANN)在药物发现中的应用第26-27页
        1.3.3 支持向量机(SVM)在药物发现中的应用第27-29页
    1.4 本论文研究目的及意义第29-31页
第二章 建模数据的收集及处理第31-36页
    2.1 软件和数据库第31页
    2.2 建模数据的收集及处理第31-32页
        2.2.1 建模数据的收集第31页
        2.2.2 建模数据的前处理第31页
        2.2.3 建模数据分组第31-32页
    2.3 分子描述符的计算及选择第32-33页
        2.3.1 分子描述符选择第33页
    2.4 数据标准化处理第33-34页
    2.5 基于主成分分析(PCA)的描述符特征选择第34-35页
    2.6 本章小结第35-36页
第三章 ATR和Telomerase抑制剂预测模型构建第36-43页
    3.1 软件第36页
    3.2 SVM预测初始模型构筑及性能参数考察第36-39页
        3.2.1 交叉验证考察第36-37页
        3.2.2 SVM类型的选择第37-38页
        3.2.3 核函数的选择第38-39页
    3.3 ATR和Telomerase抑制剂预测模型的构建及验证第39-41页
    3.4 本章小结第41-43页
第四章 ATR和Telomerase抑制剂预测模型优化第43-63页
    4.1 基于网格搜索算法的ATR和Telomerase抑制剂预测模型优化第43-49页
        4.1.1 网格搜索算法基本原理第43-44页
        4.1.2 基于网格搜索算法优化的ATR和Telomerase抑制剂预测模型构建第44-48页
        4.1.3 基于网格搜索算法优化的ATR和Telomerase抑制剂预测模型验证及评价第48-49页
    4.2 基于粒子群算法的ATR和Telomerase抑制剂预测模型优化第49-55页
        4.2.1 粒子群算法基本原理第49-50页
        4.2.2 基于粒子群算法优化的ATR和Telomerase抑制剂预测模型构建第50-53页
        4.2.3 基于粒子群算法优化的ATR和Telomerase抑制剂预测模型验证及评价第53-55页
    4.3 基于遗传算法的ATR和Telomerase抑制剂预测模型优化第55-60页
        4.3.1 遗传算法基本原理第55-56页
        4.3.2 基于遗传算法优化的SVM-ATR和SVM-TEL模型构建第56-59页
        4.3.3 基于遗传算法优化的ATR和Telomerase抑制剂预测模型验证及评价第59-60页
    4.4 网格搜索算法、粒子群算法和遗传算法优化模型的性能比较第60-61页
    4.5 本章小结第61-63页
第五章 ATR和Telomerase抑制剂预测模型验证及新抑制剂预测第63-76页
    5.1 材料第63页
    5.2 新化合物预测第63-65页
    5.3 Telomerase新抑制剂抗肿瘤试验验证第65-66页
    5.4 基于分子对接的Telomerase抑制剂与靶点相互作用分析第66-73页
        5.4.1 Telomerase蛋白结构同源建模及化合物前处理第66-67页
        5.4.2 化合物与Telomerase分子对接第67-73页
    5.5 基于文献数据的GS-SVM-ATR预测模型验证第73-74页
    5.6 本章小结第74-76页
第六章 全文总结第76-79页
参考文献第79-86页
致谢第86-87页
论文发表情况第87页

论文共87页,点击 下载论文
上一篇:NBR/EVM共混胶老化行为与性能及预测研究
下一篇:基于CFD的二氧化氯气体混合器数值模拟与优化研究