基于深度学习的药物-靶标相互作用预测

发布时间：2023-02-15 18:06

　　准确识别药物-靶标之间的相互作用对药物研发至关重要。不仅可以加深我们对药物作用机制的理解,在药理学方面,也有助于药物的重新定位。由于传统的实验方法受到通量和成本的限制,因此发展有效的计算方法对药物和靶标相互作用进行预测具有重要的意义。目前已经有多种计算方法用于识别药物和靶标之间的相互作用,但其准确率较低,进而需要开发更加先进的算法来提高预测的准确度。深度学习,作为一类新型的机器学习算法,已经在众多领域取得了成功。因此,本论文在已有的计算方法的基础上,从系统生物学和网络药理学的角度出发,充分利用已有的公共数据库中的海量数据资源,整合药物和靶标的多种信息,采用多种深度学习算法,建立了更加高效、准确的药物-靶标相互作用预测模型。具体的研究内容包括以下三部分:论文的第一章概述了识别药物-靶标相互作用的研究背景及研究意义。然后概述了现有的研究方法及国内外的研究进展,并从不同的角度分析了这些方法的优点及其局限性。然后,在此基础上对深度学习算法进行了简单阐述。重点介绍了我们工作中所用到的几种深度学习算法,并从原理上分析了深度学习算法的优势及其在药物研发领域的一些应用。论文的第二章研究的是基于深度学习...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第一章 药物-靶标相互作用预测概述
    1.1 药物-靶标相互作用预测的研究意义
    1.2 药物-靶标相互作用预测的研究方法
        1.2.1 基于配体的预测方法
        1.2.2 基于结构的预测方法
        1.2.3 基于分子动力学模拟方法
        1.2.4 基于机器学习的预测方法
    1.3 现有预测方法存在的问题分析
    1.4 深度学习方法概述
        1.4.1 深度学习基本概念
        1.4.2 几种深度学习方法简述
        1.4.3 在药物-靶标相互作用预测中的应用
    1.5 本文的主要工作
第二章 基于深度学习的药物-靶标相互作用预测
    2.1 背景介绍
    2.2 材料和方法
        2.2.1 数据集
        2.2.2 特征提取
        2.2.3 数据分组
        2.2.4 深度学习模型
        2.2.5 模型训练和实现
        2.2.6 模型的评价标准
    2.3 结果讨论
        2.3.1 超参数优化
        2.3.2 模型总体性能
        2.3.3 外部验证结果
        2.3.4 高阶特征可视化
        2.3.5 模型训练过程可视化
    2.4 本章小结
第三章 基于深度学习的药物-靶标结合亲和力预测
    3.1 背景介绍
    3.2 材料和方法
        3.2.1 数据集
        3.2.2 特征提取
        3.2.3 深度神经网络
        3.2.4 模型训练和实现
    3.3 结果讨论
        3.3.1 超参数优化
        3.3.2 基于两种描述符的模型性能比较
        3.3.3 基于不同分组的模型性能比较
        3.3.4 与传统机器学习模型性能的比较
    3.4 本章小结
参考文献
在学期间学术成果
致谢



本文编号：3743574