| 摘要 | 第1-6页 |
| ABSTRACT | 第6-14页 |
| 第一章 绪论 | 第14-30页 |
| ·计算机辅助药物分子设计 | 第14-15页 |
| ·计算机辅助药物设计方法 | 第15-17页 |
| ·分子对接 | 第15页 |
| ·药效团模型方法 | 第15-16页 |
| ·定量构效关系方法 | 第16-17页 |
| ·建立二维构效关系模型的方法 | 第17-24页 |
| ·多元线性回归方法(multivariate linear regression analysis,MLR) | 第17-19页 |
| ·人工神经网络 | 第19-20页 |
| ·支持向量机 | 第20-24页 |
| ·极光激酶及其抑制剂的临床研究现状 | 第24-28页 |
| ·极光激酶家族 | 第24-26页 |
| ·极光激酶A | 第25页 |
| ·极光激酶B | 第25-26页 |
| ·极光激酶C | 第26页 |
| ·极光激酶抑制剂的临床研究 | 第26-28页 |
| ·ZM-447439 | 第26-27页 |
| ·VX-680 | 第27页 |
| ·AZD-1152 | 第27页 |
| ·MLN8054 | 第27-28页 |
| ·MLN8237 | 第28页 |
| ·PHA-739358 | 第28页 |
| ·本课题的主要研究工作 | 第28-30页 |
| 第二章 极光激酶抑制剂选择性分类模型研究 | 第30-38页 |
| ·背景介绍 | 第30页 |
| ·材料和方法 | 第30-32页 |
| ·极光激酶抑制剂数据集 | 第30-31页 |
| ·结构表示 | 第31-32页 |
| ·自组织神经网络(SOM)分析 | 第32页 |
| ·支持向量机(SVM)分析 | 第32页 |
| ·结果与讨论 | 第32-35页 |
| ·分子描述符的选择 | 第32-33页 |
| ·模型1:基于自组织神经网络(SOM)的模型 | 第33-34页 |
| ·模型2:基于支持向量机(SVM)的模型 | 第34-35页 |
| ·结论 | 第35-38页 |
| 第三章 极光激酶A抑制剂活性分类模型研究 | 第38-50页 |
| ·背景介绍 | 第38页 |
| ·材料和方法 | 第38-40页 |
| ·极光激酶A抑制剂数据集 | 第38-39页 |
| ·分子结构的优化 | 第39页 |
| ·结构表示 | 第39页 |
| ·自组织神经网络(SOM)分析 | 第39-40页 |
| ·支持向量机(SVM)分析 | 第40页 |
| ·结果与讨论 | 第40-49页 |
| ·分子描述符的选择 | 第40页 |
| ·模型1:基于自组织神经网络(SOM)的模型 | 第40-44页 |
| ·模型2:基于支持向量机(SVM)的模型 | 第44-45页 |
| ·数据集1中各子集对所建立模型的验证 | 第45-47页 |
| ·SOM方法 | 第45-47页 |
| ·SVM方法 | 第47页 |
| ·两个分类模型以及所选描述符的分析 | 第47-49页 |
| ·结论 | 第49-50页 |
| 第四章 极光激酶A抑制剂生物活性预测研究 | 第50-66页 |
| ·背景介绍 | 第50-51页 |
| ·材料和方法 | 第51-55页 |
| ·极光激酶A抑制剂数据集 | 第51页 |
| ·分子化合物的结构优化 | 第51页 |
| ·结构表示和分子描述符的选择 | 第51-53页 |
| ·用随机分类方法和自组织神经网络分类方法来选择训练集和测试集 | 第53-54页 |
| ·随机选择方法 | 第53页 |
| ·自组织神经网络(SOM)分析 | 第53-54页 |
| ·支持向量机(SVM)分析 | 第54-55页 |
| ·定义模型的应用范围 | 第55页 |
| ·Y-随机化测试方法 | 第55页 |
| ·结果与讨论 | 第55-64页 |
| ·多元线性回归模型 | 第55-58页 |
| ·支持向量机模型 | 第58-59页 |
| ·Y-随机化测试方法对模型的检验 | 第59-60页 |
| ·模型预测范围的确定 | 第60-64页 |
| ·结论 | 第64-66页 |
| 第五章 结论与建议 | 第66-68页 |
| ·全文小结 | 第66页 |
| ·建议 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-75页 |
| 研究成果及发表的学术论文 | 第75-76页 |
| 作者简介 | 第76-77页 |
| 导师简介 | 第77-78页 |
| 硕士研究生学位论文答辩委员会决议书 | 第78-79页 |