摘要 | 第4-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第11-20页 |
1.1 计算机辅助药物设计 | 第11页 |
1.2 定量构效关系(QSAR)计算方法 | 第11-14页 |
1.2.1 二维定量构效关系 | 第13-14页 |
1.2.2 三维定量构效关系 | 第14页 |
1.3 分子对接 | 第14-15页 |
1.4 基于药效团的虚拟筛选 | 第15页 |
1.5 本论文工作介绍 | 第15-16页 |
1.6 结语 | 第16-17页 |
参考文献 | 第17-20页 |
第二章 抗癌药物α,β不饱和羰基化合物的分子对接和3D-QSAR研究 | 第20-31页 |
2.1 前言 | 第20页 |
2.2 α,β不饱和羰基化合物的3D-QSAR研究 | 第20-26页 |
2.2.1 数据的来源与处理 | 第20-22页 |
2.2.2 CoMFA和CoMSIA模型 | 第22-23页 |
2.2.3 3D-QSAR模型的验证 | 第23-24页 |
2.2.4 三维等值线图分析 | 第24-26页 |
2.3 分子对接 | 第26-27页 |
2.4 设计新的抑制性分子 | 第27-28页 |
2.5 结论 | 第28-29页 |
参考文献 | 第29-31页 |
第三章 基于TopomerCoMFA,CoMSIA,HQSAR方法研究热休克蛋白(Hsp90)抑制剂的定量构效关系 | 第31-47页 |
3.1 前言 | 第31页 |
3.2 数据的来源和处理 | 第31-33页 |
3.3 TopomerCoMFA模型 | 第33-37页 |
3.3.1 TopomerCoMFA模型的建立 | 第33-35页 |
3.3.2 TopomerCoMFA模型的验证与分析 | 第35-37页 |
3.4 CoMSIA模型 | 第37-41页 |
3.4.1 CoMSIA模型的建立 | 第37-39页 |
3.4.2 CoMSIA模型的验证与分析 | 第39-41页 |
3.5 HQSAR模型 | 第41-43页 |
3.5.1 HQSAR模型的建立 | 第41-42页 |
3.5.2 HQSAR模型的分析 | 第42-43页 |
3.6 新设计分子 | 第43-44页 |
3.7 结论 | 第44-45页 |
参考文献 | 第45-47页 |
第四章 抗癌性热休克蛋白(Hsp90)抑制剂的分子对接、虚拟筛选、QSAR和分子设计 | 第47-63页 |
4.1 前言 | 第47页 |
4.2 实验部分 | 第47-50页 |
4.2.1 化合物的选择 | 第47-49页 |
4.2.2 受体蛋白的获取及处理 | 第49页 |
4.2.3 药效团模型的建立 | 第49页 |
4.2.4 基于药效团的虚拟筛选和分子对接 | 第49页 |
4.2.5 分子几何结构的优化及量子化学参数计算 | 第49-50页 |
4.3 结果与分析 | 第50-59页 |
4.3.1 分子对接结果分析 | 第50-51页 |
4.3.2 药效团建模结果 | 第51-52页 |
4.3.3 虚拟筛选天然产物结果 | 第52-53页 |
4.3.4 QSAR方程的建立 | 第53-57页 |
4.3.4.1 QSAR模型的验证 | 第54-56页 |
4.3.4.2 模型预测能力的检验 | 第56-57页 |
4.3.5 QSAR方程中相关量化参数的分析 | 第57-59页 |
4.3.5.1 电荷布局与几何构型分析 | 第57-58页 |
4.3.5.2 轨道能分析 | 第58-59页 |
4.4 新设计分子 | 第59-61页 |
4.5 结语 | 第61-62页 |
参考文献 | 第62-63页 |
第五章 苯磺酸类衍生物PAIB-SOs的定量构效关系的DFT的研究 | 第63-76页 |
5.1 前言 | 第63页 |
5.2 苯磺酸类衍生物定量构效关系的研究 | 第63-69页 |
5.2.1 数据来源 | 第63-65页 |
5.2.2 计算方法 | 第65页 |
5.2.3 参数的选择 | 第65-67页 |
5.2.4 QSAR方程的建立 | 第67页 |
5.2.5 QSAR模型的验证 | 第67-69页 |
5.3 QSAR方程中相关量化参数的分析 | 第69-70页 |
5.3.1 电荷分布 | 第69页 |
5.3.2 其余参与QSAR方程构建的自变量参数的相关性分析 | 第69-70页 |
5.4 分子设计 | 第70-71页 |
5.5 设计分子的活性的分析 | 第71-73页 |
5.6 结论 | 第73-74页 |
参考文献 | 第74-76页 |
结语 | 第76-77页 |
致谢 | 第77-78页 |
攻读硕士期间已发表的论文 | 第78页 |