| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-16页 |
| 1.1 研究背景和意义 | 第7-10页 |
| 1.1.1 药物发现和虚拟筛选 | 第7-8页 |
| 1.1.2 大数据环境下药物发现面临的机遇和挑战 | 第8-9页 |
| 1.1.3 化学专利中关键化合物的预测 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 基于相似性的虚拟筛选研究 | 第10-12页 |
| 1.2.2 分子网络的研究与应用 | 第12-13页 |
| 1.2.3 化学专利的分析研究 | 第13-14页 |
| 1.3 本文研究的内容 | 第14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第二章 相关理论技术 | 第16-25页 |
| 2.1 基于指纹的分子相似性 | 第16-19页 |
| 2.1.1 分子描述符 | 第16-18页 |
| 2.1.2 分子相似性度量 | 第18-19页 |
| 2.2 分布式系统架构Hadoop | 第19-25页 |
| 2.2.1 HDFS | 第21-22页 |
| 2.2.2 MapReduce分布式并行编程模型 | 第22-24页 |
| 2.2.3 Sqoop | 第24-25页 |
| 第三章 基于指纹的分子相似性计算 | 第25-41页 |
| 3.1 分子预处理 | 第25-32页 |
| 3.1.1 ChEMBL数据库 | 第25-28页 |
| 3.1.2 分子数据预处理 | 第28-32页 |
| 3.2 基于指纹的分子相似性计算 | 第32-34页 |
| 3.3 相似性计算结果分析 | 第34-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 关键化合物发现的MolecularRank算法 | 第41-61页 |
| 4.1 分子相似性网络 | 第41-42页 |
| 4.2 PageRank算法 | 第42-44页 |
| 4.3 基于PageRank的MolecularRank算法 | 第44-51页 |
| 4.3.1 MolecularRank算法思想 | 第44-45页 |
| 4.3.2 MolecularRank算法模型 | 第45-47页 |
| 4.3.3 算法实例分析 | 第47-51页 |
| 4.4 MolecularRank算法的并行化 | 第51-56页 |
| 4.4.1 分布式计算模型 | 第51-52页 |
| 4.4.2 MolecularRank并行算法实现 | 第52-56页 |
| 4.5 与CSA算法的对比分析 | 第56-61页 |
| 4.5.1 CSA算法 | 第56-57页 |
| 4.5.2 实验数据 | 第57-58页 |
| 4.5.3 实验结果对比分析 | 第58-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 本文总结 | 第61页 |
| 5.2 研究展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 研究生间参与的项目 | 第67-68页 |
| 致谢 | 第68页 |
