论文目录 | |
| 中文摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 第一章 绪论 | 第13-32页 |
| · 类药性及类药性预测研究 | 第13-20页 |
| · 类药性预测的研究背景 | 第13-14页 |
| · 基于物理化学性质的类药性规则 | 第14-15页 |
| · 基于化合物结构特征的类药性规则 | 第15-17页 |
| · 基于机器学习方法的类药性预测模型 | 第17-20页 |
| · 中草药类药性的研究 | 第20-21页 |
| · 计算机辅助药物设计在中草药开发中的应用 | 第21-22页 |
| · 研究意义 | 第22-23页 |
| · 研究内容及章节安排 | 第23-26页 |
| 参考文献 | 第26-32页 |
| 第二章 基于简单分子性质描述符的类药性规则的构建以及中草药类药性研究 | 第32-53页 |
| · 引言 | 第32-34页 |
| · 理论方法和材料准备 | 第34-38页 |
| · 数据集的准备 | 第34-35页 |
| · 分子描述符的计算 | 第35-37页 |
| · 基于单个分子性质参数构建类药性规则 | 第37-38页 |
| · 对 MDDR、ACD 以及 TCMCD 数据库中的分子进行主成分分析 | 第38页 |
| · 结果和讨论 | 第38-48页 |
| · MDDR1、ACD1 和 TCMCD1 数据库分子重要分子性质参数的分布 | 第38-43页 |
| · MDDR1、ACD3 和 TCMCD3 数据库分子重要分子性质参数的分布 | 第43-45页 |
| · 于简单物化学性质类性规则构建对 TCMCD 类性评 | 第45-46页 |
| · MDDR，ACD 和 TCMCD 数据库分子的主成分分析 | 第46-48页 |
| · 本章小结 | 第48页 |
| 参考文献 | 第48-53页 |
| 第三章 基于分子结构特征类药性规则的构建以及中草药类药性研究 | 第53-73页 |
| · 引言 | 第53-56页 |
| · 理论方法与材料准备 | 第56-58页 |
| · 数据库的准备 | 第56-57页 |
| · 分子子结构特征片段的产生 | 第57页 |
| · 分子骨架结构的多样性研究 | 第57-58页 |
| · Tree Maps 的构建 | 第58页 |
| · 结果与讨论 | 第58-69页 |
| · 分子框架结构的数目统计分析 | 第58-61页 |
| · Murcko framework、Level 1 和 Level 2 子结构片段的累积频率 | 第61-64页 |
| · MDDR2、ACD3 和 TCMCD2 中分子的相似性比较 | 第64-67页 |
| · Tree Maps 图的构建 | 第67-69页 |
| · 本章小结 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 第四章 基于机器学习方法类药性模型的构建以及中草药类药性研究 | 第73-95页 |
| · 引言 | 第73-74页 |
| · 理论方法和材料准备 | 第74-76页 |
| · 药物数据库和非药数据库中分子的准备 | 第74页 |
| · 训练集和预测集的准备 | 第74-75页 |
| · 分子描述符的计算 | 第75-76页 |
| · 基于机器学习方法的类药性预测模型的构建 | 第76页 |
| · 类药性模型的评价 | 第76页 |
| · 结果与讨论 | 第76-91页 |
| · 基于平衡性训练集贝叶斯类药性模型的构建 | 第76-80页 |
| · 基于非平衡型训练集贝叶斯模型的构建 | 第80-81页 |
| · 贝叶斯模型预测得到的重要片段分析 | 第81-86页 |
| · 对被错误分类的化合物进行深入分析 | 第86-89页 |
| · 递归分割类药性模型的构建 | 第89页 |
| · 中草药化合物数据库 TCMCD 的类药性评价 | 第89-91页 |
| · 本章小结 | 第91页 |
| 参考文献 | 第91-95页 |
| 第五章 中草药有效成分与Ⅱ型糖尿病靶点相互作用网络的构建及多向药理学研究 | 第95-132页 |
| · 引言 | 第95-97页 |
| · 理论方法与材料准备 | 第97-105页 |
| · Ⅱ型糖尿病相关靶点的收集 | 第97-99页 |
| · 用于治疗糖尿病中药复方有效成分的收集 | 第99-101页 |
| · 验证数据集的准备 | 第101-103页 |
| · 基于分子对接虚拟筛选方法的验证 | 第103-104页 |
| · 基于药效团模型虚拟筛选方法的验证 | 第104页 |
| · 中草药有效成分与Ⅱ型糖尿病靶点相互作用网络的构建 | 第104-105页 |
| · 结果与讨论 | 第105-123页 |
| · 基于分子对接虚拟筛选的表现 | 第105-108页 |
| · 基于药效团模型虚拟筛选的表现 | 第108-111页 |
| · 基于分子对接及药效团映射预测结果的整合贝叶斯分类模型 | 第111-114页 |
| · Ⅱ型糖尿病各相关靶点潜在活性化合物的研究 | 第114-117页 |
| · 中草药化合物与Ⅱ型糖尿病相关靶点网络的分析 | 第117-122页 |
| · 中草药复方用于治疗Ⅱ型糖尿病作用机制的探讨 | 第122-123页 |
| · 本章小结 | 第123-124页 |
| 参考文献 | 第124-132页 |
| 第六章 基于分子对接和药效团映射整合的多构象并行虚拟筛选策略 | 第132-159页 |
| · 引言 | 第132-135页 |
| · 理论及试验方法 | 第135-138页 |
| · ROCK1 复合物晶体结构及验证数据集的准备 | 第135页 |
| · 分子对接的评测 | 第135-136页 |
| · 基于复合物结构药效团建模的评测 | 第136页 |
| · 用机器学习算法来整合分子对接和药效团模型映射的预测结果 | 第136-137页 |
| · 用最优的整合模型对中草药化合物数据库进行虚拟筛选 | 第137-138页 |
| · 结果与讨论 | 第138-152页 |
| · 基于分子对接虚拟筛选的表现 | 第138-140页 |
| · 基于药效团模型虚拟筛选的表现 | 第140-144页 |
| · 基于多靶点对接打分以及药效团叠合值构建贝叶斯分类模型 | 第144-147页 |
| · 训练集和预测集的比例对贝叶斯模型预测精度的影响 | 第147-149页 |
| · 递归分割模型的预测能力 | 第149-150页 |
| · 从中草药化合物中筛选 ROCK1 潜在活性化合物 | 第150-152页 |
| · 本章小结 | 第152页 |
| 参考文献 | 第152-159页 |
| 攻读学位期间本人出版或公开发表的论著、论文 | 第159-161页 |
| 致谢 | 第161-162
页 |
