基于文本挖掘的药用植物数据库的建立及网络药理学分析
| 目录 | 第4-6页 |
| 图表目录 | 第6-7页 |
| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第一章 文献综述 | 第11-26页 |
| 1 生物医学大数据 | 第11-14页 |
| 2 数据挖掘,文本挖掘,自然语言识别 | 第14-17页 |
| 2.1 生物医学领域中的统计学与数据挖掘 | 第14-15页 |
| 2.2 生物医学领域中的文本挖掘 | 第15-17页 |
| 3 生物医学数据库 | 第17-18页 |
| 4 网络药理学 | 第18-24页 |
| 4.1 传统药物的概念及范围 | 第18-19页 |
| 4.2 传统药物物质基础及其作用机理研究 | 第19-20页 |
| 4.3 网络药理学的理论基础 | 第20-23页 |
| 4.4 网络药理学在传统药物药理学研究中的作用 | 第23页 |
| 4.5 展望 | 第23-24页 |
| 5 本课题研究的目的,意义和内容 | 第24-26页 |
| 第二章 数据获取 | 第26-48页 |
| 1. 药用植物数据的获取 | 第26-28页 |
| 1.1 中国药典(ChP)2010版 | 第26-27页 |
| 1.2 日本药典(JP)16版 | 第27页 |
| 1.3 欧洲药典(EP)第五版 | 第27-28页 |
| 1.4 美国药典(USP)24版 | 第28页 |
| 2. 药用植物化学成分的获取 | 第28-31页 |
| 2.1 Scifinder Scholar数据库 | 第29-31页 |
| 3. 化学成分对应靶蛋白的获取 | 第31-48页 |
| 3.1 预处理 | 第32-37页 |
| 3.2 名称实体识别 | 第37-40页 |
| 3.3 名称实体标准化、去除歧义 | 第40-45页 |
| 3.4 关系提取 | 第45-46页 |
| 3.5 过滤 | 第46-48页 |
| 第三章 数据库构建 | 第48-54页 |
| 1. 前台界面设计 | 第48-51页 |
| 2. 后台数据库 | 第51-53页 |
| 3. 小结 | 第53-54页 |
| 第四章 基于网络药理学的中药复方研究 | 第54-64页 |
| 1. 糖尿病及现有化学药物 | 第55-56页 |
| 2. 有效的中药药方 | 第56-57页 |
| 3. 人类蛋白互作网络与糖尿病疾病网络 | 第57-60页 |
| 4. 网络鲁棒性与T2DM新复方设计 | 第60-62页 |
| 5. 讨论 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 附录 | 第68-76页 |
| SVM算法的python实现 | 第68-76页 |
| 研究生期间的主要工作及成果 | 第76页 |
| 1. 已发表的论文 | 第76页 |
| 2. 主持的项目 | 第76页 |
