★100篇免费化学信息学论文范文为免费优秀学术论文范文,可用于相关写作参考,为您写相关硕士毕业论文和本科毕业论文和职称论文提供论文范文格式模板,【快快阅读吧！】
第一篇化学信息学论文范文参考：化学生物信息学新方法及其在医药研究中的应用
随着后基因组时代的到来,药物研发已经由传统的研发模式转向了基于系统药理学的研发模式.基于此种模式,海量的数据在药物研发过程中需要分析和处理.化学生物信息学是一门新兴的用于研究药物及药物相关系统中信息内容和信息流向的综合系统学科.将化学生物信息学引入到药物研究过程中,可以极大地加快新药研究进程,缩短研究周期,降低研究费用.从药物研究全过程来看,几乎每一个环节都与化学生物信息学有着密切的关系,如药物靶标发现,药物先导化合物发现,候选物结构修饰和优化、药代动力学研究,药物的临床前研究和临床研究,以及药物投入市场后的不良反应跟踪等.不过面对如此复杂的数据,化学生物信息学研究面临诸多困难问题：(1)高质量QSAR/SAR模型的建立经常涉及到奇异样本检测、特征选择以及非线性等建模问题；(2)如何提取不同水平上不同数据结构信息并加以整合来建立一个假设可测试的模型已成为当今化学生物信息学乃至系统生物学面临的最大挑战；(3)在高通量扫描和药物临床实验数据中,经常会伴随有缺失值、混合数据类型、数据不平衡、存在奇异样本、特征多样本少、非线性、以及多类别多模式等一系列问题；(4)如何对常用药物信息进行提取和收集并转化为药物化学家容易使用的工具是化学生物信息学急切需要解决的问题；(5)如何提取网络中的特征信息以及建立高精度网络预测模型是需要迫切解决的问题.针对这些困难问题,本论文发展了一些新型的化学生物信息学方法,并且基于这些新方法对药物研发中关注的两个问题(药物ADMET性质评估和药物靶标发现)进行了研究.本论文研究内容主要包括两个部分：基础研究部分(第二章-第五章)和实际应用部分(第六章和第七章).基础研究部分包括化学生物信息学新型方法和药物信息提取方法研究,实际应用部分为药物ADMET性质评估和药物-靶点相互作用网络预测.本论文主要研究内容包括：
一、对化学生物信息学及其研究内容进行了简要的介绍,比较了化学生物信息学与化学信息学,生物信息学在药物研发中的异同.明确地提出了化学生物信息学研究应以系统的观点对药物信息进行提取,即从分子水平、细胞水平和组织乃至更高水平上对药物进行描述,并最终有机地整合在一起共同加深对药物行为的理解.鉴于各种统计学习算法在药物数据挖掘中的重要性,对化学生物信息学中常用的数据挖掘方法进行了简要介绍.网络建模在化学生物信息学*得越来越重要,本章对网络模型的构建以及一些难点问题进行了分析.最后对化学生物信息学研究中的难点问题进行了总结,在以下几章中将通过发展各种化学生物信息学新型方法来解决这些难点问题.(第一章)
二、提出了基于模型特征的分布进行奇异样本诊断和特征选择的新方法.通过研究样本在模型种群中预测误差的分布,发现预测误差分布的统计特征能够有效地区分正常样本和各种类型奇异样本.基于此,我们发展了一种用于奇异样本诊断的蒙特卡洛方法.此方法能够同时诊断数据中的各种类型的奇异样本,并且降低了掩蔽效应带来的风险.通过和其它奇异样本诊断和稳健回归方法进行比较,证实了我们提出的方法的优越性能.考虑到样本空间和特征空间的相互作用,我们构建了一个统一的框架来进行奇异样本诊断和变量选择.其主要思想是通过模型系数的统计分布进行变量选择,通过样本预测误差的分布进行奇异样本诊断,后项消除策略用来捕捉样本空间和变量空间的交互作用.将此方法应用到模拟数据和QSAR数据的分析,得到了非常显著的性能提高.(第二章)
三、对核方法及核融合算法进行了深入的研究,提出了几种用于药物数据挖掘的新型核方法.由核方法的模块化可知,核函数的选择和建模方法的选择可以分离开来考虑.通过选择不同的核函数和建模方法,我们能够构建满足不同需求的核模型.基于此,我们发展了一种基于*ILES表征的字符串核支持向量机算法,并将其应用到毒性数据的分类研究.通过和其它核函数及描述符的比较,证实了我们方法的高性能.基于*ILES表征的字符串核支持向量机模型不需要计算任何分子描述符,因此应用简单方便.通过考虑不同的建模方法,我们在核框架内发展了一种核k-近邻算法,并将其和不同核函数结合,有效地克服了原始k-近邻算法的缺点.在核方法中,核特征空间内出现冗余特征时,将会严重影响核方法的预测性能.通过在核特征空间内应用核主成分分析,发展了一个两步算法来解决核空间内冗余特征问题.核主成分分析首先用来在核特征空间内进行去噪处理,然后线性支持向量机在此空间内进行分类研究.将此算法应用于QSAR数据的分析,获得了高的预测性能.(第三章)
四、对决策树及基于决策树的集成算法进行了深入的研究,提出了几种用于药物及组学数据挖掘的新方法.由于特征选择在药物数据建模中的重要性,我们研究了决策树及基于决策树的集成模型的特征选择问题,发展了一个广义的框架用来选择有信息的变量子集.通过对随机森林算法的原理进行分析,发展了一种特征重要度采样的自适应随机森林算法,并将其应用于QSAR数据的分析,获得了比原始随机森林更高的预测性能.通过充分利用决策树的自动逐步特征选择和样本复杂度缩减的优点,我们结合蒙特卡洛采样技术发展了一种蒙特卡洛树算法用于分析代谢组学数据中的模式信息.将此算法应用于两个代谢组学数据分析,获得了代谢组学数据中清晰的模式.最后我们发展了一种基于树核的核Fisher别分析算法,并将其应用到代谢组学数据的分析中,获得了显著的效果.(第四章)
五、针对于分子特征表征在化学生物信息学中的重要性,我们开发了四套用于分子特征提取的软件包,并且构建了基于web的分子特征计算服务器.四套软件分别为：(1)用于化学小分子特征提取的ChemoPy软件包；(2)用于蛋白质序列特征提取的ProPy软件包；(3)用于生物网络特征提取的PyNet软件包；(4)用于药物-靶点相互作用及蛋白质互作用描述符PyDPI软件包.应用这些软件包和网络服务器能够很好地辅助药物化学家和生物学家进行复杂分子数据的表征和分析.(第五章)
六、对药物ADMET及物理化学性质进行了基于计算机辅助的预测研究,并最终构建了一个药物ADMET',性质数据库和基于web的在线预测平台.鉴于水溶性在药物研发中的重要性,我们发展了三个预测模型用于化合物水溶性的预测,通过对选择的分子描述符进行分析,发现了影响药物水溶性的因素.运用第四章发展的改进随机森林算法对药物最大日推荐剂量进行结构-活性关系预测研究,通过分析不同疗效药物的子结构碎片,发现了一些相关药物分子毒性的特征碎片.此方法能够提前预估临床一期实验中药物的最大推荐剂量.基于随机森林和子结构模式,我们发展了一个结构-活性关系模型框架对化合物毒性进行计算机辅助预测,此方法有助于化学家对化合物的毒性评估.通过发展2D-QSAR模型,研究了100个结构多样的天然产物对OATPIBI调控的雌酮硫酸盐摄取的抑制效应,一些影响抑制效应的结构因素被识别.通过研究天然产物结构和抑制效应间的定量关系,获得了深入的天然产物-药物相互作用潜在机制的视野.最后我们构建了一个药物ADMET性质数据库和基于web的在线预测平台,旨在方便药物学家对ADMET性质的分析和评估.(第六章)
七、基于化学基因组学框架,提出了基因标度地预测药物-靶点相互作用网络的方法.通过药物-靶点对的Ki结合常数,我们区分了整个药物-靶点对集为正样本集和负样本集.化学基因组学方法用来表征药物-靶点相互作用关系,即一个药物-靶点对能够通过同时考虑药物描述符和蛋白质描述符共同来表征.随机森林模型用来构建预测模型.预测结果和深入分析证实了我们提到的化学基因组学框架的合理性.通过对未知药物-靶点对的预测和网络分析,显示了药物在临床上的多药理特征.此方法提供了一种有效方式来研究药物和靶点的行为.基于web的预测服务器PreDPI-Ki最后被构建方便药物学家对此研究成果的应用.在此方法的基础上,通过引入网络特征描述符,药物-靶点相互作用的预测精度能够显著地提高.在四个标准数据集上的预测模型的比较证实了网络特征在药物-靶点相互作用网络预测中的重要性.基于化学、生物和网络特征融合构建的预测模型,我们扫描了未知的药物-靶点对,发现预测排序在前的药物-靶点对大部分能够被实验证实.此方法能够为药物重定向分析和靶点鉴别提供了一种可供选择的方式.最后,基于构建的药物-靶点相互作用预测模型,我们评估了26种天然产物的升压机制.通过预测天然产物和相关靶点间的关系,发现不同的升压机制由不同的靶点所引起.因此通过对天然产物的靶点谱进行聚类分析,可清晰地发现天然产物不同的升压机制.此方法提供了一种药物分子作用机制评估的新途径.(第七章)
https://www.mbalunwen.net/kaogu/82509.html
第二篇化学信息学论文样文：功能基因组学和化学信息学协同的药物研发数据挖掘方法
药物研发是一个需要涉及到数学、化学、生物学、计算机科学等各个专业领域的综合过程.新药研发中的关键一环是找到药物的作用靶点和作用机理,人类基因组草图绘制完成后,人们普遍认为,利用大规模高通量的组学技术和生物信息学技术,药物机理的发现会呈现一个几何级的增长.但事实上药物研发的速度这些年来并没发生太大的改善,究其原因,主要在于对高通量数据分析方法的滞后.传统的分析方法只是在药物实验组的基因表达数据和对照组表达数据比较,选出其中表达量水平差别比较大的差异基因,然后在里面挑选基因来一个个验证,这种做法无异于大海捞针.
为了解决这个问题,本论文首先设计了一种大规模的跨物种跨平台整合药物转录组数据来挖掘药物机理、副作用或老药新用以及分析组合用药的方法CGEMining,通过将各种不同实验中的动物疾病模型的转录组数据和药物干扰的转录组数据关联起来,并且关联到细节的功能模块,然后从这些关联中挖掘出已知功能的小分子的未知的能治疗其他疾病的功能,以及这些小分子的一些未知的副作用,并且深入探讨其中的机理.其中使用到的主要方法是直系同源转换、GO富集分析以及基于KS检验的比较方法.而对于一些未知机理的药物小分子,也可以利用CGEMining方法通过比较分析,挖掘出其潜在的作用靶点,然后利用化学信息学中的分子对接方法来进一步确认CGEMining挖掘的结果,本文中使用了一组针对糖尿病的新的药物分子作为例子来说明此过程,并且发现PPARgamma是其潜在的作用靶点.同样对包含多种成分的中药复方,CGEMining方法也能挖掘出其复杂的作用机理,而且能够发现其新的功能.本文中挖掘出了治疗肝纤维化的复方扶正化瘀胶囊的降血糖等的新作用.除了CGEMining方法之外,本论文中还开发一种新的基于蛋白序列数据和化学信息学协同的药物数据挖掘的方法VIScreen,通过利用化学信息学的结构信息来建立病毒蛋白序列和药物小分子之间的联系,以达到快速挖掘病*物与靶点结合的信息以及辅助新药研发的效果.最后,本论文还介绍了一种单独使用基因转录组数据的药物小分子机理挖掘方法,是以转录因子为核心进行差异共表达分析,构建共表达的网络模块,通过比较不同网络模块之间的差异来分析两种药物在网络药理学上的不同.
第三篇化学信息学论文范文模板：化学信息学新算法及在化学、生物与食品科学中的应用研究
近年来,随着信息科学、计算机科学与互联网的高速发展,一种新的交叉学科-化学信息学(Chemoinformatics)也迅速成长起来了.化学信息学是一门利用信息学的方法来解决化学的问题,同时得到有关化学本质规律的的学科.化学信息学的研究范围十分广泛,内容丰富,例如化学试验设计与优化、定量校正理论、分析信号处理、化学模式识别、模型与参数估计、人工智能等.化学信息学产生于科学家们对化学知识规律的不断需要的过程中.
化合物结构与性质／活性定量关系(quantitative structure-property /activityrelationship,QSPR/QSAR)是化学信息学研究中的一个重要应用分支.该方法是指将化合物的结构参数同其生物活性数据以一定的数学模型相联系起来的定量关系.QSPR/QSAR的研究最初应用于生物领域是为了适应合理设计生物活性分子的需要而发展起来的.由于计算机技术的发展和应用,QSPR/QSAR的研究提高到了一个新的水平,且日趋成熟,其应用范围也迅速扩大,研究涉及生物,化学,药物科学,以及食品科学等诸多学科.人们期望用一个成功的数学模型,能从分子水平上理解其微观结构同其宏观性质／活性之间的关系,根据已有的知识,探求化合物性质／活性与结构的相互作用规律,从而推论呈现化合物某些性质的影响因素,然后为设计,筛选或预测具有人们期望性质的化合物提供信息.
化学信息学的发展为化学各分支学科的发展提供了多种解决问题的新思路,新方法.本学位论文主要对化学信息学研究中的一些新算法进行了探讨,并把这些新算法成功应用于QSAR/QSPR研究领域中.该论文共包括五章节内容,每一个章节的具体内容如下所示：
第一章：简述了化学信息学的基本概念和研究现状,以及多种化学信息学算法,也详细讲述了化学信息学研究的分支之一——QSAR,包括QSAR演变历史,基本原理以及实现的步骤等等.
第二章：主要讨论了Quantitative structure-retention relationship (QSRR)方法在多肽色谱保留行为预测的应用研究.具体内容如下：(1)基于线性和非线性建模方法对反相液相色谱(RPLC)的101种多肽保留时间进行了定量结构保留关系建模研究.最佳多元线性回归(BMLR)方法用来选择与保留行为最为密切的分子描述符,并建立线性模型.另外两种非线性回归方法(径向基函数神经网络(RBFNN)和投影寻踪回归(PPR))用来构建非线性模型.RBFNN和PPR模型的训练集的相关系数(R~2)分别为0．9787和0．9881；均方根误差(RMSE)为0．5666和0．4207.结果表明,RBF神经网络和投影寻踪回归将是蛋白质组研究中一种简单且有效的工具,并有望应用于其他类似的研究领域.(2)新颖的化学信息学方法—局部懒惰回归(LLR)首次应用于预测278个多肽在固定金属亲和色谱(镍柱)的保留行为研究.该工作分别用BMLR,PPR和LLR三种方法建立线性和非线性QSRR模型.最佳的LLR模型的训练集和测试集的R~2分别为0．9446和0．9252.该工作证明新颖机器学习算法LLR是一个非常有前途的研究工具,它可用于色谱保留行为研究领域,为协助设计和分离纯化蛋白质和多肽发挥一定的作用.
第三章主要描述了QSAR方法在农业和食品科学领域的应用研究,具体内容如下：(1)三种机器学习方法：遗传算法-多元线性回归(GA-MLR),最小二乘支持向量机(LS- SVM),PPR用于100个稻瘟病抑制剂噻唑啉衍生物的杀菌活性研究.线性模型GA-MLR和非线性模型LS-SVM和PPR都得到了良好的预测结果,但非线性模型提供了更加精确的预测能力.结果表明,非线性LS-SVM和PPR方法可以更加准确地模拟噻唑啉分子结构与杀菌活性之间的关系,能够成为研究稻瘟病抑制剂良好的建模工具.此外,这项研究为稻瘟病抑制剂的设计和开发提供了一种新的,简单而且有效的办法,同时得到的与其密切相关的分子结构信息.(2)运用定量结构保留关系方法对藏红花内43种芳香组分的SPME-GC-MS保留时间进行了预测.应用最佳多元线性回归(BMLR)和投影寻踪回归(PPR)方法分别建立了线性和非线性模型,两种方法均得到了较好的结果：线性模型的训练集和测试集的相关系数(R~2)分别为0．9434和0．8725,非线性模型则给出了较好的预测结果分别为0．9806和0．9456.通过对模型的稳定性和预测能力的比较,可以看出非线性PPR方法可以较好的应用到SPME-GC-MS保留行为研究领域内,同时该工作又可以为其他植物和中草药的分离研究提供一种简便有效的方法.
| 有关论文范文主题研究: | 化学信息学相关论文范文 | 大学生适用: | 2500字电大毕业论文、10000字专升本论文 |
|---|---|---|---|
| 相关参考文献下载数量: | 27 | 写作解决问题: | 毕业论文怎么写 |
| 毕业论文开题报告: | 论文模板、论文选题 | 职称论文适用: | 刊物发表、职称评副高 |
| 所属大学生专业类别: | 化学信息学科目 | 论文题目推荐度: | 最新化学信息学论文范文题目 |
第四章主要讨论了定量构效关系在生命科学和医药研究领域内的应用,主要有以下几部分组成：(1)利用QSRR方法对55种药物在固相人工膜色谱内的保留指数进行了线性和非线性建模研究.在该工作中,线性BMLR方法被用来选取与保留指数最为相关的参数,同时建立线性回归模型；利用选取的描述符,应用PPR和LLR方法来建立更加准确的预测模型.通过模型对比,我们发现LLR作为一种新的建模方法,体现出较完美的预测能力,其训练集和测试集的预测结果为：复相关系数(R~2),0．9540,0．9305；均方根误差(RMSE),0．2418,0．3949.结果显示,新型LLR建模方法在QSRR方法研究中表现出了较好的预测能力,同时该方法定会成功的应用于其它类似的色谱研究领域内.(2)利用线性和非线性建模方法研究了80个N-羟基-a-苯磺酰乙酰胺(N-hydroxy-aphenylsulfonylacetamidederivatives,HPSAs)衍生物对三种类型的基质金属蛋白酶的抑制活性.其中线性BMLR方法用来选取关键的结构参数,同时建立线性模型对所选化合物的抑制活性进行了预测；然后以全局格式搜索PPR方法利用选取的参数建立非线性回归模型.最终,线性和非线性模型均能提供较为满意的预测结果.在该工作中,非线性PPR方法首次与格式搜索(GS)方法相结合并成功应用于对HPSAs的抑制活性的建模研究,得到了令人满意的预测结果.该方法的成功为其他模型参数的优化与选取提供了一种捷径.(3)利用线性回归方法和非线性回归方法-格式搜索支持向量机(GS-SVM)和PPR方法对MT3褪黑激素结合位点的亲和性进行了研究.在该工作中,遗传算法被用来选取与研究对象最为相关的结构参数,并建立线性回归模型对MT3褪黑激素结合位点的亲和性进行预测；利用选取的五个结构变量,采用非线性回归方法GS-SVM和PPR方法建立更加准确的模型.通过模型对比,我们发现非线性PPR方法能够对MT3褪黑激素结合位点的亲和性具有比较准确的预测能力.该方法的建立,为设计和开发新型MT3褪黑激素的新型配体提供了一种新型的研究方法.
第五章：QSAR方法在化学感应系统相对灵敏度的预测研究.在本章中,BMLR,SVM和LLR三种方法用来完成64种VOCs的气味检测阀值(ODTs)和鼻腔辛辣味阀值(NPTs)相对敏感性的QSAR建模研究,所得的预测结果和相应的实验数据基本吻合.相比之下,LLR方法能够获得更好的预测能力,因此,它在QSAR研究中是一种有效的机器学习算法.此外,本研究还确定了一些重要的分子结构信息,它们与VOC的相对敏感性密切相关.这些信息可以用来选择或制造一些新型的化学传感器,同时也说明LLR方法是一种很有前途的QSAR建模方法,可用于其他类似的化学传感器建模预测研究.
第四篇化学信息学论文范例：基于化学信息学方法的药物分子计算研究
随着高通量筛选技术、组合化学技术以及平行合成技术的出现,基于实验研究而产生的数据信息已经越来越多,尤其是在药物化学领域.然而怎样在大量的化学信息宝库中抽取有用的信息呢面对这一难题,本文试图使用化学信息学的方法来解决.
药物设计是化学信息学方法应用的重要领域,原因在于：一是开发一种新药需要大量的花费且周期十分漫长；二是需要从实验产生的大量数据中抽取有用的信息.
本文主要采用了分类方法、回归方法以及组合(三维定量构效关系方法、分子对接方法和分子动力学方法的组合)方法解决了药物设计中涉及的两个相关问题：第一,通过建立活性预测模型来筛选出理想的化合物探针分子；第二,从分子水平上来理解小分子与靶标的作用机制.具体的研究内容如下：
(1)使用随机森林耦合变量选择算法对RSV抑制剂以及人类β3-AR激动剂建立分类模型来筛选理想的药物分子,通过计算可知这两个新建的分类模型对外部验证集的预测准确率都达到90%以上.
(2)使用随机森林算法组合Mold2描述符对190个结构多样的FBPase抑制剂进行活性预测,并且使用遗传算法对其进行描述符子集选择,最终建立的模型不但具有满意的预测能力,而且能鉴别出与FBPase抑制剂活性相关的重要描述符.同时作者也提出用遗传算法耦合支持向量回归技术对P2Y12拮抗剂进行预测,该算法可以同时实现对描述符进行选择和对支持向量机参数进行优化,这样不但可以大大增加模型的计算效率,而且提高了模型的预测能力.该模型最终给出交叉验证相关系数r2cv等于0.83,外部验证集预测相关系数r2pred等于0.81.使用建立的模型可以在药物合成前对P2Y12拮抗剂进行筛选、预测和优化.
(3)使用三维定量构效关系、分子对接和分子动力学三者组合的方法对P2Y12拮抗剂、5-HT6受体配体以及FIXa、MK-2、PKCθ抑制剂建立计算模型.建立的模型不但在统计上可信,而且可以从分子水平观察小分子与其靶标之间的作用模式,这为化合物的合理修饰提供了理论指导.
总之,本文所建立的分类模型和回归模型都展示出了较高的预测能力,它们在药物开发的早期便可以筛选出理想的药物分子.使用三维定量构效关系方法、分子对接方法和分子动力学方法所得结论的一致性表明了本文所建立的模型是合理的,它们可以为以后合成高活性的药物分子提供强有力的理论支持.
第五篇化学信息学论文范文格式：细菌代谢物浓度的化学信息学预测及在杀菌剂发现中的应用
随着基因组、转录组、蛋白质组等各种“组学”研究计划的蓬勃开展,生命科学进入了“组学”时代.代谢组学(metabolomics)作为一门对体内各种代谢途径、代谢产物进行高通量和系统分析的学科,是继基因组学、转录组学、蛋白质组学后系统生物学的另一重要研究领域.代谢组学以代谢物(基本上是化学小分子)为研究对象,代谢物的种类和浓度变化被视作生物系统对遗传变异或环境扰动的最终响应,因此代谢组比基因组和蛋白质组更接近生物表型.代谢组学作为系统生物学的重要分支,其研究的重点是细胞内代谢物种类与浓度的定性和定量分析以及代谢网络的构建和模拟.以往代谢组学的研究仅仅局限在高通量实验技术上,近年来,基于生物信息学工具对代谢组分析的方法得到了快速发展,为杀菌剂及靶标的发现提供了强有力的技术支撑.
首先,我们从KEGG数据库中收集了E. coli的代谢物及代谢反应方向等数据,重构代谢网络,计算代谢物的物理化学性质.通过相关性分析,我们发现代谢物浓度与代谢网络的拓扑性质及其物理化学性质(极性、分子体积和水溶性)有较强的相关性.为此,我们分别建立了基于物理化学性质、网络连接度的代谢物浓度的线性回归预测模型和支持向量回归(SVR)模型.随后运用逐步回归的方法得到了代谢物浓度与7个描述符之间的线性回归方程；并利用递归特征消除法筛选到了1个网络拓扑参数和10个与极性、水溶性等相关的物理化学性质.通过与线性回归及网络热力学方法的对比,我们发现特征筛选后的SVR代谢物浓度模型的预测结果更准确,这个结果与我们的预期相符,即大肠杆菌的代谢物浓度主要与代谢网络连接度及代谢物的极性和水溶性有关.
其次,我们把基于SVR的代谢物浓度预测模型应用于其它动、植物致病菌.基于代谢物的10个物理化学性质和代谢网络参数的共11个特征,预测出这些致病菌的代谢物浓度,并构建了代谢物浓度预测网站.该网站提供了胡萝卜软腐果胶杆菌、金*葡萄球菌、结核分枝杆菌等10种细菌的代谢物浓度查询服务,同时也可用于其它细菌的代谢物浓度预测.
另外,我们提出了利用代谢物浓度在杀菌剂发现中的一个新规则：靶标底物浓度小于0.5mM,且竞争性抑制剂水溶解度应该超过底物浓度的100倍.利用此规则,我们很好地解释了前人一些有趣的研究现象.
最后,我们借助代谢物浓度发现了3个有研发潜力的黄酮类杀菌剂靶标.同时我们发现位于黄酮化合物小分子上的吡喃环3位上的没食子酸或者糖苷集团对FrdA、PyrD、FabI的结合有比较大的影响.对3种靶标蛋白的生物功能的分析显示与已经报道的黄酮杀菌剂的杀菌机制相一致.结合代谢物浓度判别规则,发现12种黄酮化合物的水溶解度与代谢物底物浓度相比普遍都具有较高的水溶解度.因此,这3个靶标是非常有潜力的杀菌剂靶标.
本文利用支持向量回归的方法结合代谢网络建立了细菌代谢物浓度预测模型,为从代谢水平研究药物靶标提供了新的思路和判别规则,并成功地应用在黄酮类杀菌剂靶标的筛选上.
这是一篇与化学信息学论文范文相关的免费优秀学术论文范文资料.
化学信息学引用文献:
[1] 化学信息学学论文选题 化学信息学专业论文题目如何拟
[2] 化学信息学期刊文章参考文献 哪里有化学信息学参考文献
[3] 化学信息学论文大纲样本大全 化学信息学论文提纲如何写
