声明
摘要
第一章 引言
第一节 选题背景
第二节 研究目的和策略
第三节 国外对于天然产物与合成分子之间的研究
第二章 天然产物及机器学习方法的理论背景研究
第一节 天然产物的定义
第二节 天然产物的主要结构特点
2.2.1 结构的复杂性
2.2.2 多含sp3杂化的碳原子,氮素和卤素含有量较少
2.2.3 多含有手性和立体因素
第三节 新药发现中天然产物的重要性
2.3.1 天然产物的来源
2.3.2 研究天然产物的衰落
2.3.3 对天然产物研究的重新兴起
2.3.4 依据新药的发现过程设计对天然产物研究的方法
2.3.5 获得生物材料
2.3.6 天然产物的筛选方法与活性物质的分离
2.3.7 天然产物的生物学评价与生理活性物质的大量获得
2.3.8 对天然产物构效关系的研究
第四节 我国对天然产物的研究
第五节 来源于天然产物及其衍生物的药物
2.5.1 吗啡生物碱
2.5.2 紫杉醇
2.5.3 喜树碱抗肿瘤药物
第六节 机器学习简介
2.6.1 机器学习的概念
2.6.2 机器学习的基本模型
2.6.3 机器学习的发展
2.6.4 机器学习的研究目标
第七节 对本文使用的三种机器学习方法的介绍
2.7.1 贝叶斯算法
2.7.2 决策树算法
2.7.3 随机森林算法
第三章 构建类天然产物性打分模型及其应用
第一节 对基于分子片段设计类天然产物性打分方法的研究
第二节 数据和分子描述符的准备
3.2.1 数据的预处理
3.2.2 计算分子描述符
3.2.3 分子描述符的选择
第三节 打分模型的建立并验证
3.3.1 训练集的设计
3.3.2 模型预测结果评价
3.3.3 实验结果与分析
第四节 类天然产物性打分模型的应用
第五节 本文中所用到的数据库和软件的介绍
3.5.1 ChEMBL数据库
3.5.2 DrugBank数据库
3.5.3 ZINC数据库
3.5.4 DRAGON软件
3.5.5 WEKA软件
第四章 全文总结
第一节 本论文研究工作的总结
第二节 后续的研究工作与展望
参考文献
致谢
个人简介