面向老药新用的数据挖掘研究
| 摘要 | 第10-12页 |
| ABSTRACT | 第12-14页 |
| 1 绪论 | 第15-31页 |
| 1.1 老药新用的研究背景 | 第15-16页 |
| 1.2 配体-靶标相互作用预测方法简介 | 第16-22页 |
| 1.2.1 分子对接 | 第16-18页 |
| 1.2.1.1 分子对接方法分类 | 第16-17页 |
| 1.2.1.2 成功案例 | 第17-18页 |
| 1.2.2 定量构效关系 | 第18-20页 |
| 1.2.2.1 三维定量构效关系 | 第18-19页 |
| 1.2.2.2 成功案例 | 第19-20页 |
| 1.2.3 机器学习方法 | 第20-22页 |
| 1.2.3.1 配体和靶标的表示 | 第20-21页 |
| 1.2.3.2 成功案例 | 第21-22页 |
| 1.3 药物-疾病相互作用研究方法简介 | 第22-27页 |
| 1.3.1 基于表达数据的方法 | 第23-24页 |
| 1.3.1.1 表达数据用于老药新用的基本思想 | 第23-24页 |
| 1.3.1.2 成功案例 | 第24页 |
| 1.3.2 基于复杂网络的方法 | 第24-26页 |
| 1.3.2.1 相关模型 | 第24-25页 |
| 1.3.2.2 成功案例 | 第25-26页 |
| 1.3.3 其他方法 | 第26-27页 |
| 1.4 现有老药新用方法的优缺点 | 第27-29页 |
| 1.4.1 配体-靶标相互作用预测方法的优缺点 | 第27页 |
| 1.4.2 药物-疾病相互作用预测方法的优缺点 | 第27-29页 |
| 1.5 本文的研究内容与创新点 | 第29-31页 |
| 2 计算老药新用的研究现状 | 第31-53页 |
| 2.1 配体、靶标空间的描述 | 第31-34页 |
| 2.1.1 配体空间 | 第31-32页 |
| 2.1.2 受体空间 | 第32-34页 |
| 2.2 配体-靶标相互作用预测算法 | 第34-45页 |
| 2.2.1 核方法 | 第34-39页 |
| 2.2.2 二部图局部模型 | 第39-41页 |
| 2.2.3 “药物空间”方法 | 第41-44页 |
| 2.2.3.1 构造药物空间 | 第42页 |
| 2.2.3.2 配体、靶标的投影 | 第42-43页 |
| 2.2.3.3 药物空间的预测 | 第43-44页 |
| 2.2.4 其它方法 | 第44-45页 |
| 2.3 药物-疾病相互作用预测算法 | 第45-53页 |
| 2.3.1 基于同质网的算法 | 第45-47页 |
| 2.3.1.1 邻域评分法 | 第46页 |
| 2.3.1.2 网络互联性评分法 | 第46-47页 |
| 2.3.1.3 随机游走法 | 第47页 |
| 2.3.1.4 网络传递法 | 第47页 |
| 2.3.2 基于异质网的算法 | 第47-53页 |
| 2.3.2.1 基于网络的推断法 | 第48-49页 |
| 2.3.2.2 基于异质图的推断法 | 第49-50页 |
| 2.3.2.3 基于三层异质网的推断法 | 第50-53页 |
| 3 配体靶标特征提取及评测 | 第53-73页 |
| 3.1 数据来源 | 第53-55页 |
| 3.2 配体小分子特征提取 | 第55-57页 |
| 3.2.1 定义小分子片段字典 | 第55-56页 |
| 3.2.2 表示配体小分子 | 第56-57页 |
| 3.3 靶标蛋白质特征提取 | 第57-62页 |
| 3.3.1 定义靶标分子片段字典 | 第57-62页 |
| 3.3.1.1 氨基酸的表示 | 第57页 |
| 3.3.1.2 氨基酸三聚体的表示 | 第57-60页 |
| 3.3.1.3 氨基酸三聚体聚类 | 第60-62页 |
| 3.3.2 配体结合位点的提取与表示 | 第62页 |
| 3.4 特征有效性评价 | 第62-67页 |
| 3.4.1 局部片段相互作用 | 第63-65页 |
| 3.4.2 整合全局信息 | 第65-67页 |
| 3.5 实验结果 | 第67-71页 |
| 3.5.1 数据集展示 | 第67-68页 |
| 3.5.1.1 据集的冗余性 | 第67-68页 |
| 3.5.1.2 配体-靶标网络的聚集性质 | 第68页 |
| 3.5.2 特征有效性评估 | 第68-70页 |
| 3.5.3 整体局部重要性比较 | 第70-71页 |
| 3.6 本章小结 | 第71-73页 |
| 4 基于稀疏矩阵分解的多场相互作用模型 | 第73-97页 |
| 4.1 稀疏矩阵分解 | 第73-84页 |
| 4.1.1 稀疏奇异值分解回顾 | 第74-76页 |
| 4.1.1.1 奇异值分解 | 第74-75页 |
| 4.1.1.2 稀疏奇异值分解 | 第75-76页 |
| 4.1.2 稀疏可控投影 | 第76-83页 |
| 4.1.2.1 稀疏可控惩罚项 | 第76-77页 |
| 4.1.2.2 稀疏可控惩罚项下的1秩近似 | 第77-78页 |
| 4.1.2.3 稀疏可控投影 | 第78-83页 |
| 4.1.3 基于稀疏可控投影的SVD | 第83-84页 |
| 4.1.3.1 稀疏可控投影SVD运行效率 | 第83页 |
| 4.1.3.2 稀疏可控投影SVD参数调节 | 第83-84页 |
| 4.2 多场相互作用模型 | 第84-88页 |
| 4.3 实验结果 | 第88-94页 |
| 4.3.1 精度评估 | 第88-89页 |
| 4.3.2 模型参数分析 | 第89-91页 |
| 4.3.2.1 Γ的选择与异质场正交性检验 | 第89-90页 |
| 4.3.2.2 最优值ρ的稳定性分析 | 第90-91页 |
| 4.3.3 片段相互作用网络分析 | 第91-94页 |
| 4.3.3.1 网络稳定性分析 | 第91-92页 |
| 4.3.3.2 网络总体特点 | 第92-93页 |
| 4.3.3.3 网络替在化学机理分析 | 第93-94页 |
| 4.4 本章小结 | 第94-97页 |
| 5 基于全局局部一致性的药物-疾病相互作用模型 | 第97-115页 |
| 5.1 药物、疾病的三层相似性 | 第97-101页 |
| 5.1.1 数据集 | 第97-98页 |
| 5.1.2 计算相似性和先验 | 第98-100页 |
| 5.1.2.1 低层相似性计算 | 第98-99页 |
| 5.1.2.2 基因层相似性和先验计算 | 第99-100页 |
| 5.1.2.3 网络层相似性计算 | 第100页 |
| 5.1.3 三层相似性线性组合 | 第100-101页 |
| 5.2 全局局部一致性模型 | 第101-106页 |
| 5.2.1 药物-疾病对网络的构建 | 第101页 |
| 5.2.2 全局局部一致性模型 | 第101-104页 |
| 5.2.3 参数选择 | 第104-106页 |
| 5.2.3.1 复合权重选择 | 第104-106页 |
| 5.2.3.2 模型超参的选择 | 第106页 |
| 5.3 实验结果 | 第106-111页 |
| 5.3.1 数据集展示与整合合理性验证 | 第106-108页 |
| 5.3.1.1 数据集展示 | 第106-107页 |
| 5.3.1.2 数据整合合理性验证 | 第107-108页 |
| 5.3.2 模型性能评价 | 第108-110页 |
| 5.3.3 模型验证 | 第110-111页 |
| 5.3.3.1 组织相关验证 | 第110-111页 |
| 5.3.3.2 对未知药物-疾病相互作用的预测 | 第111页 |
| 5.4 本章小结 | 第111-115页 |
| 6 总结与展望 | 第115-117页 |
| 参考文献 | 第117-127页 |
| 攻博期间发表的科研成果目录 | 第127-129页 |
| 致谢 | 第129页 |
