藥物靶標(biāo)識別是現(xiàn)代新藥研發(fā)的關(guān)鍵,它在藥物毒副作用研究、老藥新用以及個(gè)體化治療中都起著十分重要的作用。然而,受到精度、通量和成本的制約,基于生物實(shí)驗(yàn)的傳統(tǒng)藥物靶標(biāo)識別方法通常難以展開。與此同時(shí),隨著信息科學(xué)的迅猛發(fā)展,機(jī)器學(xué)習(xí)、模式識別、數(shù)據(jù)挖掘等智能計(jì)算技術(shù)在生物計(jì)算領(lǐng)域得到了廣泛的應(yīng)用。在這些技術(shù)的推動下,計(jì)算機(jī)輔助的藥物-靶標(biāo)相互作用預(yù)測方法作為一種快速而準(zhǔn)確的藥物靶標(biāo)識別手段,受到越來越多研究者的重視。它能夠利用計(jì)算機(jī)的模擬、運(yùn)算和預(yù)測技術(shù)研究藥物化合物分子與靶標(biāo)蛋白質(zhì)之間的關(guān)系,指導(dǎo)合成新的藥物或修飾已知的藥物結(jié)構(gòu),從而縮短新藥研制時(shí)間,減少新藥研制的盲目性并降低研發(fā)成本。因此,作為一種高效而低成本的方法,基于智能計(jì)算的藥物-靶標(biāo)相互作用預(yù)測對于靶標(biāo)蛋白確認(rèn)、靶向性藥物開發(fā)以及藥物-靶標(biāo)相互作用網(wǎng)絡(luò)構(gòu)建都具有十分重要的意義。本文基于藥物化合物分子指紋信息和蛋白質(zhì)氨基酸序列信息,提出了一套藥物化合物和蛋白質(zhì)序列數(shù)值化表征、特征信息客觀化抽取、藥物-靶標(biāo)相互作用集成化預(yù)測的方法體系,具體研究內(nèi)容如下:1.對藥物化合物和蛋白質(zhì)序列信息數(shù)值化表征進(jìn)行研究。藥物化合物分子結(jié)構(gòu)信息和蛋白...

【文章頁數(shù)】：129 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 存在的關(guān)鍵問題及研究的重點(diǎn)
    1.4 研究內(nèi)容與技術(shù)路線
    1.5 本文組織結(jié)構(gòu)
2 藥物-靶標(biāo)相互作用預(yù)測基礎(chǔ)理論
    2.1 新藥研發(fā)流程
    2.2 深度學(xué)習(xí)概述
    2.3 藥物靶標(biāo)數(shù)據(jù)資源
    2.4 性能評價(jià)指標(biāo)
    2.5 本章小結(jié)
3 藥物化合物分子與蛋白質(zhì)氨基酸序列數(shù)值化表征構(gòu)建方法研究
    3.1 藥物化合物分子的數(shù)值化表征方法
    3.2 蛋白質(zhì)氨基酸序列的數(shù)值化表征方法
    3.3 實(shí)驗(yàn)及分析
    3.4 本章小結(jié)
4 基于機(jī)器學(xué)習(xí)的藥物-靶標(biāo)特征提取算法研究
    4.1 引言
    4.2 基于特征融合的深度神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)
    4.3 藥物-靶標(biāo)特征向量對稱編碼
    4.4 實(shí)驗(yàn)及分析
    4.5 本章小結(jié)
5 基于權(quán)重選擇的旋轉(zhuǎn)森林分類器模型研究
    5.1 引言
    5.2 旋轉(zhuǎn)森林算法
    5.3 基于權(quán)重選擇的旋轉(zhuǎn)森林算法
    5.4 實(shí)驗(yàn)及分析
    5.5 本章小結(jié)
6 基于集成學(xué)習(xí)系統(tǒng)的藥物-靶標(biāo)相互作用預(yù)測研究
    6.1 引言
    6.2 集成學(xué)習(xí)系統(tǒng)成功的原因
    6.3 集成學(xué)習(xí)系統(tǒng)構(gòu)建的方法
    6.4 藥物-靶標(biāo)相互作用預(yù)測集成學(xué)習(xí)系統(tǒng)構(gòu)建
    6.5 實(shí)驗(yàn)及分析
    6.6 本章小結(jié)
7 結(jié)論與展望
    7.1 主要研究成果
    7.2 進(jìn)一步研究的工作
參考文獻(xiàn)
作者簡歷
學(xué)位論文數(shù)據(jù)集



本文編號：3850322