| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题研究的目的和意义 | 第11-12页 |
| 1.2 虚拟筛选的基本方法和研究现状 | 第12-15页 |
| 1.2.1 虚拟筛选所使用的方法 | 第12-13页 |
| 1.2.2 虚拟筛选的国外研究现状 | 第13-14页 |
| 1.2.3 虚拟筛选的国内研究现状 | 第14-15页 |
| 1.3 失衡数据集分类问题的研究现状 | 第15-16页 |
| 1.4 本课题研究的主要内容 | 第16-18页 |
| 1.4.1 课题来源 | 第16页 |
| 1.4.2 课题的主要研究内容 | 第16-18页 |
| 第2章 基于分子对接的虚拟筛选相关介绍 | 第18-31页 |
| 2.1 分子对接原理基础知识 | 第18-20页 |
| 2.1.1 分子对接原理 | 第18-19页 |
| 2.1.2 分子对接分类 | 第19-20页 |
| 2.2 基于分子对接的虚拟筛选 | 第20-24页 |
| 2.2.1 虚拟筛选一般流程 | 第20-21页 |
| 2.2.2 构象搜索算法以及常用的分子对接软件 | 第21-23页 |
| 2.2.3 打分函数 | 第23-24页 |
| 2.3 蛋白质-配体交互指纹 | 第24-30页 |
| 2.3.1 蛋白质-配体交互指纹的概念 | 第24-25页 |
| 2.3.2 蛋白质-配体交互指纹的发展 | 第25-27页 |
| 2.3.3 Pharm-IF交互指纹的概念以及计算方法 | 第27-28页 |
| 2.3.4 蛋白质-配体交互指纹与虚拟筛选 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 基于密度聚类边界采样方法 | 第31-47页 |
| 3.1 失衡数据处理中的常用方法 | 第31-33页 |
| 3.2 常用的聚类采样算法 | 第33-36页 |
| 3.2.1 聚类分析和聚类采样技术 | 第33-34页 |
| 3.2.2 基于密度聚类的DBSCAN算法概述 | 第34-36页 |
| 3.3 基于聚类簇边界的采样方法 | 第36-39页 |
| 3.3.1 基于密度聚类方法 | 第36-37页 |
| 3.3.2 基于邻域的簇边界识别方法 | 第37-39页 |
| 3.4 面向Pharm-IF交互指纹的采样模型 | 第39-46页 |
| 3.4.1 靶蛋白介绍 | 第40-41页 |
| 3.4.2 数据集构建 | 第41-42页 |
| 3.4.3 簇边界样本提取 | 第42-43页 |
| 3.4.4 评价指标 | 第43-44页 |
| 3.4.5 实验验证与分析 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于Adaboost-SVM的药物蛋白虚拟筛选 | 第47-62页 |
| 4.1 支持向量机 | 第47-52页 |
| 4.1.1 最大边缘超平面 | 第47-48页 |
| 4.1.2 线性可分情况 | 第48-50页 |
| 4.1.3 线性不可分 | 第50页 |
| 4.1.4 核函数 | 第50-52页 |
| 4.2 集成学习方法 | 第52-55页 |
| 4.2.1 集成学习的基本概念 | 第52-53页 |
| 4.2.2 Boosting分类器集成算法 | 第53-54页 |
| 4.2.3 基于Adaboost-SVM的分类 | 第54-55页 |
| 4.3 实验验证与分析 | 第55-61页 |
| 4.3.1 数据集构建 | 第56-57页 |
| 4.3.2 实验结果 | 第57-61页 |
| 4.4 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士学位期间发表的学术论文 | 第69-70页 |
| 致谢 | 第70页 |