| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 前言 | 第8-11页 |
| 第一章 药物预测模型的理论基础 | 第11-27页 |
| ·生物信息学和化学信息学在新药研制中的应用潜力 | 第11-12页 |
| ·生物信息学和化学信息学的背景及其发展 | 第11页 |
| ·生物信息学和化学信息学在药物设计中的应用 | 第11-12页 |
| ·机器学习方法 | 第12-18页 |
| ·概论 | 第12-13页 |
| ·支持向量学习机 | 第13-14页 |
| ·人工神经网络分类方法 | 第14-15页 |
| ·逻辑回归分类方法 | 第15-16页 |
| ·K-最临近法 | 第16-17页 |
| ·模型优化 | 第17-18页 |
| ·分子几何结构模型的构建与优化 | 第18-20页 |
| ·分子结构 | 第18页 |
| ·三维分子模型的构建与优化 | 第18-19页 |
| ·HyperChem | 第19页 |
| ·分子力学 | 第19-20页 |
| ·分子描述符 | 第20-22页 |
| ·描述符的定义 | 第20-21页 |
| ·描述符的分类 | 第21页 |
| ·本文中使用的描述符 | 第21-22页 |
| ·训练集的设计 | 第22-24页 |
| ·训练集的设计意义 | 第22页 |
| ·Random Selection 算法 | 第22页 |
| ·Kohonen self-organising maps 算法 | 第22-23页 |
| ·Kennard-Stone 算法 | 第23-24页 |
| ·变量筛选 | 第24-26页 |
| ·变量筛选的意义 | 第24页 |
| ·Metropolis Monte Carlo 模拟退火方法 | 第24-25页 |
| ·遗传算法 | 第25-26页 |
| ·模型预测结果评价 | 第26-27页 |
| 第二章 二氢叶酸还原酶抑制剂药物活性的研究 | 第27-40页 |
| ·二氢叶酸还原酶抑制剂化合物结构和活性数据 | 第28-29页 |
| ·分子描述符 | 第29-30页 |
| ·机器学习方法 | 第30页 |
| ·结果与讨论 | 第30-39页 |
| ·训练集设计对分类结果的影响 | 第30-34页 |
| ·各机器学习方法分类能力的比较 | 第34-36页 |
| ·各机器学习方法模型参数的优化 | 第34-35页 |
| ·分类结果比较 | 第35-36页 |
| ·变量筛选对分类结果的影响 | 第36-39页 |
| ·小结 | 第39-40页 |
| 参考文献 | 第40-44页 |
| 硕士期间发表和完成的论文 | 第44-46页 |
| 致谢 | 第46-47页 |
| 附录 | 第47-59页 |