致谢 | 第5-7页 |
摘要 | 第7-9页 |
Abstract | 第9-10页 |
缩略语 | 第11-15页 |
第1章 绪论 | 第15-27页 |
1.1 引言 | 第15-17页 |
1.2 药物毒性预测方法研究的背景及意义 | 第17-18页 |
1.3 药物毒性预测计算方法概述 | 第18-21页 |
1.4 毒理基因组学及其在药物毒性预测中的应用 | 第21-23页 |
1.5 本文内容安排 | 第23-25页 |
1.6 参考文献 | 第25-27页 |
第2章 QSAR建模及基因表达数据分类方法综述 | 第27-43页 |
2.1 引言 | 第27页 |
2.2 QSAR的概念及其发展 | 第27-30页 |
2.3 QSAR建模方法概述 | 第30-36页 |
2.4 QSAR模型的适用范围 | 第36-37页 |
2.5 基因表达数据分类方法 | 第37-39页 |
2.6 参考文献 | 第39-43页 |
第3章 基于决策森林算法的药物毒性预测方法研究 | 第43-56页 |
3.1 引言 | 第43-44页 |
3.2 方法 | 第44-51页 |
3.2.1 集成方法 | 第44-46页 |
3.2.2 改进的决策森林算法(IDF) | 第46-49页 |
3.2.3 本研究使用到的其它方法 | 第49页 |
3.2.4 方法实现及运行环境 | 第49-50页 |
3.2.5 数据集 | 第50-51页 |
3.2.6 验证 | 第51页 |
3.3 结果及讨论 | 第51-53页 |
3.3.1 IDF与其他方法比较的结果 | 第51-52页 |
3.3.2 IDF参数对准确率的影响 | 第52-53页 |
3.4 本章小结 | 第53-54页 |
3.5 参考文献 | 第54-56页 |
第4章 基于集成算法的药物毒性预测方法研究 | 第56-67页 |
4.1 引言 | 第56-57页 |
4.2 方法 | 第57-61页 |
4.2.1 基本算法 | 第57-58页 |
4.2.2 集成方法 | 第58-59页 |
4.2.3 评价方法 | 第59页 |
4.2.4 方法实现及运行环境 | 第59-61页 |
4.3 基于分类建模的结果 | 第61-65页 |
4.3.1 基于QSAR数据集的分类结果及分析 | 第61-63页 |
4.3.2 基于肝毒性相关的基因表达数据集的分类结果及分析 | 第63-65页 |
4.4 本章小结 | 第65页 |
4.5 参考文献 | 第65-67页 |
第5章 基于血液基因组的药物肝毒性预测方法研究 | 第67-81页 |
5.1 引言 | 第67-68页 |
5.2 数据集 | 第68-69页 |
5.2.1 基本数据集 | 第68页 |
5.2.2 独立预测集 | 第68-69页 |
5.3 方法 | 第69-70页 |
5.4 结果 | 第70-77页 |
5.4.1 对基因表达数据的初步分析 | 第70-72页 |
5.4.2 跨组织的可预测性(predictability) | 第72-75页 |
5.4.3 特征基因在组织之间的可传递性(transferable) | 第75-77页 |
5.4.4 跨组织预测的外部验证(External validation) | 第77页 |
5.5 讨论 | 第77-79页 |
5.6 本章小结 | 第79页 |
5.7 致谢 | 第79-80页 |
5.8 参考文献 | 第80-81页 |
第6章 P-糖蛋白底物预测方法研究 | 第81-103页 |
6.1 引言 | 第81-83页 |
6.2 方法 | 第83-91页 |
6.2.1 数据集 | 第83-88页 |
6.2.2 微粒群算法 | 第88-90页 |
6.2.3 支持向量机 | 第90页 |
6.2.4 运行环境及实现 | 第90-91页 |
6.2.5 建模方法 | 第91页 |
6.3 结果与讨论 | 第91-99页 |
6.3.1 多元线性模型 | 第92页 |
6.3.2 支持向量机模型 | 第92-93页 |
6.3.3 与己有文献结果比较 | 第93-97页 |
6.3.4 P-糖蛋白底物特异性和分子描述符之间的相关性 | 第97-99页 |
6.4 本章小结 | 第99-100页 |
6.5 参考文献 | 第100-103页 |
第7章 总结与展望 | 第103-105页 |
攻读博士学位期间的主要研究成果 | 第105页 |
附:个人简历 | 第105页 |