声明
摘要
符号说明
1.1.1 酚氢化酶
1.1.2 昆虫酚氧化酶概况
1.1.3 昆虫酚氧化酶抑制剂及应用前景
1.2.1 化学信息学
1.2.2 机器学习方法
1.2.3 QSAR模型概述
1.3 迁移学习
1.4 研究内容和主要贡献
第二章 昆虫酚氧化酶抑制剂定性分类研究
2.1 基于昆虫酚氧化酶抑制剂数据的定性分类模型
2.1.1 数据收集及预处理
2.1.2 描述符计算与筛选
2.1.3 模型构建
2.1.4 模型评价
2.2 基于拓展数据库的定性分类模型
2.2.1 数据收集与预处理
2.2.2 描述符计算与筛选
2.2.3 模型构建
2.2.4 模型评价
2.3 基于迁移学习的定性分类模型
2.3.1 利用外部测试集验证传统机器学习模型性能
2.3.2 基于TrAdaBoost算法的定性分类模型构建
2.3.3 模型预测效果对比分析
2.4 本章小结
第三章 昆虫酚氧化酶抑制剂定量预测研究
3.1 数据收集及预处理
3.1.2 划分训练集和测试集
3.2 描述符计算与筛选
3.2.1 分子描述符的计算和选择
3.2.2 描述符的筛选
3.3 模型构建
3.3.1 采用多元线性回归的模型构建
3.3.2 采用支持向量机的模型构建及参数寻优
3.4 模型评价
3.4.1 模型评价指标计算与讨论
3.4.2 模型绘制散点图结果与讨论
3.5 模型对外部测试集的预测
3.5.1 外部测试集数据收集与讨论
3.5.2 预测结果与讨论
3.6 本章小结
第四章 结论与建议
4.1 结论
4.2 建议
参考文献
致谢
导师简介
作者简介