声明
摘要
符号和缩略词说明
第一章绪论
1.1 HIV与艾滋病
1.1.1 HIV的结构和复制周期
1.1.2艾滋病的治疗现状
1.2大数据时代的药物研发
1.2.1大数据时代
1.2.2新药研发现状
1.2.3计算机辅助药物设计概述
1.2.4人工智能和机器学习在药物研发中的应用
1.3.1 HIV-1逆转录酶的结构
1.3.2 HIV-1逆转录酶抑制剂
1.3.3 HIV-1非核苷类逆转录酶抑制剂
1.3.4 HIV-1非核苷类逆转录酶抑制剂的计算机模拟研究
1.4 HIV-1蛋白酶及其抑制剂
1.4.1 HIV-1蛋白酶的结构
1.4.2 HIV-1蛋白酶抑制剂
1.4.3 HIV-1 PIs的定量构效关系研究
1.5本论文的研究意义和主要研究内容
第二章HIV-1逆转录酶抑制剂的高低活性分类研究
2.1 HIV-1 NNRTIs数据集的构建、划分及分子描述符的计算
2.1.1 HIV-1 NNRTIs数据集的构建
2.1.2 HIV-1 NNRTIs高低活性的划分
2.1.3数据集的划分
2.1.4数据集中化合物的分子描述符的计算
2.2建模使用的机器学习算法
2.2.1支持向量机(SVM)
2.2.2决策树(DT)
2.2.3随机森林(RF)
2.2.4深度神经网络(DNN)
2.3模型的超参数寻优
2.3.1 SVM、DT和RF模型的超参数寻优
2.3.2 DNN模型的超参数寻优
2.4分类模型的评价指标
2.5机器学习模型结果
2.5.1三种指纹描述符建模的结果汇总
2.5.2 CORINA描述符建模的结果汇总
2.5.3描述符的分析
2.6 HIV-1 NNRTIs的聚类分析
2.6.1 t-分布邻域嵌入(t-SNE)降维
2.6.3聚类结果的分析与讨论
2.7本章小结
第三章新型HIV-1非核苷类逆转录酶抑制剂(NNRTIs)的设计
3.1骨架取代生成潜在的HIV-1 NNRTIs新分子
3.1.1 HIV-1 NNRTIs优势骨架的确定
3.1.2生成新的HIV-1 NNRTIs候选化合物
3.2 HIV-1 NNRTIs候选化合物新分子的筛选
3.2.1候选化合物新分子的高低活性预测
3.2.2候选化合物新分子的Lipinski五规则筛选
3.2.3过滤包含不良子结构的候选化合物新分子
3.2.4候选化合物新分子的药代动力学评价
3.2.5分子对接方法简述
3.2.6候选化合物新分子的半柔性分子对接
3.2.7新分子的全柔性分子对接
3.2.8对两个候选化合物进行专利调研
3.3本章小结
第四章HIV-1蛋白酶抑制剂(PIs)的定量构效关系研究
4.1 HIV-1 PIs数据集的构建、划分及分子描述符的计算
4.1.1 HIV-1 PIs数据集的构建
4.1.2将数据集划分为训练集和测试集
4.1.3分子描述符的计算与筛选
4.2建模使用的机器学习算法
4.2.1多元线性回归(MLR)
4.2.2支持向量机(SVM)的回归分析
4.2.4深度神经网络(DNN)的回归分析
4.3模型的超参数寻优
4.3.1 SVM、RF回归模型的超参数寻优
4.3.2 DNN回归模型的超参数寻优
4.4模型的评价指标
4.5建模结果的讨论分析
4.5.1多元线性回归(MLR)模型结果
4.5.2支持向量机(SVM) 和随机森林(RF) 模型结果
4.5.3深度神经网络(DNN)模型结果
4.5.4最佳模型的应用域
4.5.5几种机器学习算法对生物活性预测能力的分析
4.5.6 RDKit 2D描述符的分析
4.6基于子数据集的QSAR研究
4.6.1 SVM和RF模型构建方法
4.6.2 DNN模型的构建方法
4.6.3模型结果
4.6.4子集模型中的描述符分析
4.7本章小结
第五章总结与展望
5.1总结
5.2创新点
5.3展望
参考文献
致谢
研究成果及发表的学术论文
作者简介
导师简介
北京化工大学;