| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 前言 | 第12-30页 |
| 1.1 药物-靶标互作关系预测方法 | 第12-20页 |
| 1.1.1 基于配体的预测方法 | 第12-15页 |
| 1.1.2 基于靶标的预测方法 | 第15-16页 |
| 1.1.3 机器学习方法 | 第16-19页 |
| 1.1.4 网络信息学方法 | 第19-20页 |
| 1.2 药物组合预测方法 | 第20-27页 |
| 1.2.1 基于算法的药物组合预测模型 | 第24-25页 |
| 1.2.2 基于网络的药物组合预测模型 | 第25-27页 |
| 1.3 本文的主要研究内容 | 第27-30页 |
| 第二章 化学相似性系综法预测蛋白-配体相互关系 | 第30-48页 |
| 2.1 引言 | 第30-31页 |
| 2.2 模型建立 | 第31-39页 |
| 2.2.1 数据库与配体集合 | 第31-36页 |
| 2.2.2 统计模型的构建与评价 | 第36-39页 |
| 2.3 模型计算结果 | 第39-43页 |
| 2.3.1 化学相似性系综模型的参数 | 第39-41页 |
| 2.3.2 化学相似性系综模型的预测结果 | 第41-43页 |
| 2.4 新的药物-靶标关系的预测 | 第43-46页 |
| 2.5 讨论与结论 | 第46-48页 |
| 第三章 基于化学倾向性的蛋白-配体关系预测 | 第48-72页 |
| 3.1 引言 | 第48页 |
| 3.2 模型建立 | 第48-51页 |
| 3.2.1 数据库与数据预处理 | 第48-49页 |
| 3.2.2 特征向量与模型构建 | 第49-50页 |
| 3.2.3 特征选择与模型简化 | 第50-51页 |
| 3.3 模型计算结果 | 第51-64页 |
| 3.3.1 模型的五倍交叉验证结果 | 第51-53页 |
| 3.3.2 独立测试验证结果 | 第53-54页 |
| 3.3.3 特征选择结果 | 第54-63页 |
| 3.3.4 重要的化学倾向性特征分析 | 第63-64页 |
| 3.4 实验验证结果：D-氨基酸氧化酶抑制剂的筛选 | 第64-68页 |
| 3.4.1 实验方法简介 | 第64-65页 |
| 3.4.2 实验结果分析 | 第65-68页 |
| 3.5 讨论 | 第68-71页 |
| 3.6 本章总结 | 第71-72页 |
| 第四章 基于药物作用网络和信号通路的药物对组合研究 | 第72-96页 |
| 4.1 引言 | 第72页 |
| 4.2 数据集与数据预处理 | 第72-77页 |
| 4.2.1 基因表达数据及预处理 | 第72-73页 |
| 4.2.2 药物组合数据库及药物对筛选 | 第73-76页 |
| 4.2.3 蛋白相互作用数据 | 第76页 |
| 4.2.4 代谢通路数据 | 第76-77页 |
| 4.3 模型构建 | 第77-84页 |
| 4.3.1 预测组合药物的基因表达值 | 第77-78页 |
| 4.3.2 确定药物影响下的最优子网络 | 第78-83页 |
| 4.3.3 药物组合分类模型的构建 | 第83-84页 |
| 4.4 模型计算结果与分析 | 第84-93页 |
| 4.4.1 药物组合数据库 | 第84-86页 |
| 4.4.2 预测组合药物的基因表达及选择最优子网络 | 第86-88页 |
| 4.4.3 特征选择及“留一法”交叉验证结果 | 第88-92页 |
| 4.4.4 重要特征分析及案例说明 | 第92-93页 |
| 4.5 讨论与结论 | 第93-96页 |
| 第五章 总结和展望 | 第96-98页 |
| 5.1 总结 | 第96-97页 |
| 5.2 展望 | 第97-98页 |
| 参考文献 | 第98-112页 |
| 攻读博士学位期间已发表或投稿的论文 | 第112-114页 |
| 致谢 | 第114页 |
