藥物發(fā)現(xiàn)與設(shè)計(jì)是一個(gè)耗資大、周期長(zhǎng)、風(fēng)險(xiǎn)高、成功率與效率低的系統(tǒng)工程。據(jù)統(tǒng)計(jì),一個(gè)新藥從初始概念到投放市場(chǎng)平均耗時(shí)10¹5年,平均花費(fèi)是8¹5億美元,盡管如此,每年也僅有約10%的藥物獲得美國(guó)食品和藥物管理局認(rèn)證。藥物-靶標(biāo)互作關(guān)系(drug-target interaction,DTI)識(shí)別是藥物發(fā)現(xiàn)與設(shè)計(jì)中一個(gè)關(guān)鍵步驟,有助于理解復(fù)雜的生物作用,重要的生物過(guò)程,加速新藥發(fā)現(xiàn),降低研發(fā)成本,提升人類(lèi)醫(yī)療水平。隨著藥物、靶標(biāo)、藥物-靶標(biāo)互作關(guān)系數(shù)據(jù)的積累及機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、網(wǎng)絡(luò)藥理學(xué)等理論與方法的研究深入,采用計(jì)算方法預(yù)測(cè)藥物-靶標(biāo)互作關(guān)系成為可能。因此,本文針對(duì)藥物-靶標(biāo)互作關(guān)系查詢(xún)驗(yàn)證,藥物、靶標(biāo)數(shù)據(jù)簇個(gè)數(shù)確定及聚類(lèi)分析,藥物-靶標(biāo)互作關(guān)系預(yù)測(cè)等問(wèn)題深入研究,僅利用單源數(shù)據(jù),提出基于藥物、靶標(biāo)數(shù)據(jù)聚類(lèi)分析的超類(lèi)與特征投影模糊分類(lèi)融合方法預(yù)測(cè)藥物-靶標(biāo)互作關(guān)系。具體內(nèi)容包括以下四個(gè)部分:(1)針對(duì)藥物-靶標(biāo)互作關(guān)系查詢(xún)驗(yàn)證問(wèn)題,提出一種高效查詢(xún)驗(yàn)證方法(DTcheck)。目前,主要依賴(lài)人工手動(dòng)在各個(gè)數(shù)據(jù)庫(kù)中逐對(duì)查詢(xún)驗(yàn)證藥物-靶標(biāo)互作關(guān)系,...

【文章頁(yè)數(shù)】：132 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于網(wǎng)絡(luò)的方法
        1.2.2 基于機(jī)器學(xué)習(xí)的方法
        1.2.3 基于聚類(lèi)分析輔助的方法
    1.3 本文主要研究?jī)?nèi)容
第2章 藥物-靶標(biāo)互作關(guān)系相關(guān)基礎(chǔ)及其查詢(xún)驗(yàn)證方法研究
    2.1 引言
    2.2 藥物-靶標(biāo)互作關(guān)系問(wèn)題描述
    2.3 藥物-靶標(biāo)互作關(guān)系標(biāo)準(zhǔn)數(shù)據(jù)集
        2.3.1 藥物-靶標(biāo)互作關(guān)系數(shù)據(jù)
        2.3.2 藥物數(shù)據(jù)
        2.3.3 靶標(biāo)數(shù)據(jù)
    2.4 藥物-靶標(biāo)互作關(guān)系預(yù)測(cè)的評(píng)價(jià)方法簡(jiǎn)介
        2.4.1 交叉評(píng)價(jià)
        2.4.2 外部評(píng)價(jià)
    2.5 藥物-靶標(biāo)互作關(guān)系查詢(xún)驗(yàn)證方法研究
        2.5.1 新查詢(xún)方法的提出與設(shè)計(jì)
        2.5.2 基于新查詢(xún)驗(yàn)證方法的藥物-靶標(biāo)互作數(shù)據(jù)擴(kuò)增
        2.5.3 基于擴(kuò)增數(shù)據(jù)的AUC評(píng)價(jià)合理性分析
    2.6 本章小結(jié)
第3章 基于改進(jìn)密度峰值算法的藥物與靶標(biāo)數(shù)據(jù)簇?cái)?shù)研究
    3.1 引言
    3.2 密度峰值算法簡(jiǎn)介
    3.3 改進(jìn)密度峰值算法
        3.3.1 改進(jìn)局部密度
        3.3.2 改進(jìn)賦值策略
        3.3.3 提升聚類(lèi)效率
        3.3.4 算法流程
        3.3.5 復(fù)雜度分析
    3.4 改進(jìn)密度峰值算法實(shí)驗(yàn)分析及確定藥物、靶標(biāo)數(shù)據(jù)簇個(gè)數(shù)
        3.4.1 驗(yàn)證數(shù)據(jù)集及評(píng)價(jià)指標(biāo)
        3.4.2 實(shí)驗(yàn)結(jié)果及分析
        3.4.3 改進(jìn)密度峰值算法確定藥物、靶標(biāo)數(shù)據(jù)簇個(gè)數(shù)
        3.4.4 改進(jìn)密度峰值算法的進(jìn)一步分析
    3.5 本章小結(jié)
第4章 基于改進(jìn)K-medoids算法的藥物與靶標(biāo)數(shù)據(jù)聚類(lèi)方法研究
    4.1 引言
    4.2 K-medoids算法簡(jiǎn)介
    4.3 改進(jìn)K-medoids算法
        4.3.1 確定候選中心點(diǎn)子集
        4.3.2 確定2個(gè)初始中心點(diǎn)
        4.3.3 確定新增中心點(diǎn)
        4.3.4 算法流程
        4.3.5 復(fù)雜度分析
    4.4 改進(jìn)K-medoids算法實(shí)驗(yàn)分析及聚類(lèi)分析藥物、靶標(biāo)數(shù)據(jù)
        4.4.1 驗(yàn)證數(shù)據(jù)集及評(píng)價(jià)指標(biāo)
        4.4.2 實(shí)驗(yàn)結(jié)果及分析
        4.4.3 改進(jìn)K-medoids算法聚類(lèi)分析藥物、靶標(biāo)數(shù)據(jù)
        4.4.4 改進(jìn)K-medoids算法的進(jìn)一步分析
    4.5 本章小結(jié)
第5章 基于超類(lèi)與特征投影模糊分類(lèi)融合的藥物-靶標(biāo)互作關(guān)系預(yù)測(cè)
    5.1 引言
    5.2 超類(lèi)與特征投影模糊分類(lèi)融合方法的提出
        5.2.1 超類(lèi)預(yù)測(cè)方法的提出
        5.2.2 特征投影模糊分類(lèi)預(yù)測(cè)方法的提出
        5.2.3 超類(lèi)與特征投影模糊分類(lèi)方法融合
    5.3 超類(lèi)與特征投影模糊分類(lèi)方法融合方法的性能評(píng)價(jià)
        5.3.1 平均百分比秩評(píng)價(jià)
        5.3.2 TopN評(píng)價(jià)
    5.4 藥物-靶標(biāo)互作關(guān)系預(yù)測(cè)結(jié)果進(jìn)一步分析與討論
        5.4.1 Top100的藥物-靶標(biāo)互作網(wǎng)絡(luò)分析
        5.4.2 超類(lèi)方法的假設(shè)討論
        5.4.3 超靶效應(yīng)修正值及其最終預(yù)測(cè)值
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
附錄 A 藥物、靶標(biāo)相關(guān)數(shù)據(jù)庫(kù)
攻讀博士學(xué)位期間發(fā)表的論文及其他成果
致謝
個(gè)人簡(jiǎn)歷



本文編號(hào)：3855579