分子网络多靶标筛选的群体智能数值模拟法
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-12页 |
| 1.1 研究背景 | 第9页 |
| 1.2 系统生物学 | 第9-10页 |
| 1.3 网络生物学 | 第10-11页 |
| 1.4 网络药理学 | 第11页 |
| 1.5 本文的主要工作及组织结构 | 第11-12页 |
| 2 群体智能算法 | 第12-23页 |
| 2.1 群体智能算法综述 | 第12-13页 |
| 2.1.1 群体智能算法简介 | 第12页 |
| 2.1.2 群体智能算法框架 | 第12-13页 |
| 2.1.3 群体智能算法特点 | 第13页 |
| 2.2 人工鱼群算法 | 第13-16页 |
| 2.2.1 人工鱼群算法原理 | 第14-15页 |
| 2.2.2 人工鱼群算法流程及特点 | 第15-16页 |
| 2.3 人工蜂群算法 | 第16-17页 |
| 2.3.1 人工蜂群算法中的相关策略 | 第16-17页 |
| 2.4 菌群算法 | 第17-19页 |
| 2.4.1 菌群算法中的相关行为 | 第18-19页 |
| 2.5 蚁群算法 | 第19-20页 |
| 2.5.1 蚁群算法中的相关规则 | 第19-20页 |
| 2.5.2 蚁群算法的特点 | 第20页 |
| 2.6 粒子群群算法 | 第20-23页 |
| 2.6.1 粒子群算法原理 | 第21-22页 |
| 2.6.2 粒子群算法的特点 | 第22-23页 |
| 3 多靶标筛选的并行粒子群算法 | 第23-30页 |
| 3.1 初始种群 | 第23-24页 |
| 3.2 种群规模和更新代数 | 第24页 |
| 3.3 速度和位置更新及参数分析 | 第24-26页 |
| 3.4 分块并行计算 | 第26页 |
| 3.5 避免算法早熟策略 | 第26-27页 |
| 3.6 坏情况的终止策略 | 第27-28页 |
| 3.7 算法流程图及优缺点 | 第28-30页 |
| 4 AA代谢网络 | 第30-35页 |
| 4.1 AA代谢网络的介绍 | 第30-31页 |
| 4.2 AA代谢网络中的相关分子 | 第31-32页 |
| 4.3 AA代谢网络的生理影响 | 第32-34页 |
| 4.4 AA代谢网络的研究进展 | 第34-35页 |
| 5 AA代谢网络中的数值模拟 | 第35-44页 |
| 5.1 药物靶标筛选 | 第36-42页 |
| 5.1.1 同时扰动Kcat和Km,[E]不变 | 第38-39页 |
| 5.1.2 只扰动Kcat,Km和[E]不变 | 第39-40页 |
| 5.1.3 只扰动Km,Kcat和[E]不变 | 第40-42页 |
| 5.2 有效模拟组合方案 | 第42-44页 |
| 结论 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 攻读硕士学位期间发表学术论文情况 | 第48-49页 |
| 致谢 | 第49-50页 |
