摘要5-7
Abstract7-15
第1章 系统药物设计概述15-39
1.1 引言15-16
1.2 复杂网络16-17
1.3 生物网络17-22
1.3.1 药物-靶标相互作用网络17
1.3.2 蛋白-蛋白相互作用网络17-19
1.3.3 代谢网络19-20
1.3.4 疾病网络20-22
1.4 药物-靶标相互作用网络预测策略学22-26
1.4.1 基于配体策略22-23
1.4.2 基于靶标三维结构策略23
1.4.3 基于计算化学基因组学策略23
1.4.4 基于生物网络推理策略23-24
1.4.5 基于基因型和表型网络推理策略24-26
1.5 药物重定位26-27
1.6 计算机辅助的化合物药代动力学性质及毒性预测策略学27-37
1.6.1 化合物描述符计算28-30
1.6.2 数学建模策略30-35
1.6.3 模型评价策略35-36
1.6.4 化合物药代动力学和毒性计算预测策略学有着的科学不足和挑战36-37
1.7 论文总体安排37-39
第2章 基于网络推理的药物靶标发现及药物重定位预测探讨39-70
2.1 引言39-40
2.2 材料和策略40-47
2.2.1 数据收集和整理40-41
2.2.2 药物-靶标二部网络构建41
2.2.3 基于药物相似性推理41
2.2.4 基于靶标一级序列相似性推理41-42
2.2.5 基于网络推理42
2.2.6 基于边加权的网络推理42-44
2.2.7 基于节点加权的网络推理44-45
2.2.8 结果评价45-46
2.2.9 生物测试化合物购写46-47
2.2.10 二肽基肽酶-Ⅳ抑制活性评价47
2.2.11 雌激素受体的激动和拮抗活性评价47
2.2.12 MTT测试47
2.3 无加权网络推理策略试验结果47-56
2.3.1 基准数据集的预测结果47-48
2.3.2 预测新的药物-靶标相互作用48-51
2.3.3 试验验证结果51-54
2.3.4 药物-靶标相互作用可视化网络浅析54-56
2.4 加权网络推理策略试验结果56-66
2.4.1 网络拓扑特点浅析56-58
2.4.2 基于节点加权的网络推理预测结果58-59
2.4.3 基于边加权的网络推理预测结果59-60
2.4.4 化合物-蛋白质网络中的“弱相互作用检测设”发现60-62
2.4.5 预测药物新靶标62-66
2.5 讨论66-69
2.5.1 策略比较66
2.5.2 网络推理算法在药物重定位中的潜在运用66-67
2.5.3 新DPP-Ⅳ抑制剂孟鲁司特的多向药理学特点67-68
2.5.4 新雌激素活性配体的多向药理学特点68-69
2.5.5 药物-靶标网络中的“弱相互作用检测设”69
2.6 本章小结69-70
第3章 基于表型网络推理的药物副作用及体内复杂行为预测70-87
3.1 引言70-71
3.2 材料和策略71-74
3.2.1 药物副作用数据库MetaADEDB构建71
3.2.2 药物-ADE关联性网络构建71
3.2.3 基于表型网络推理的的药物副作用71-73
3.2.4 基于药物副作用相似性的药物靶标预测73-74
3.2.5 预测结果评价74
3.3 试验结果74-81
3.3.1 药物副作用数据库MetaADEDB介绍74-77
3.3.2 药物-药物副作用网络77-79
3.3.3 药物-靶标相互作用网络79
3.3.4 药物-药物网络79
3.3.5 预测药物新的副作用结果79
3.3.6 预测新的药物-靶标相互作用结果79-81
3.3.7 发现药物新靶标81
3.4 讨论81-86
3.4.1 策略优势与局限性81-85
3.4.2 药物脱靶蛋白-副作用事件网络85-86
3.5 本章小结86-87
第4章 计算化学基因组学和mt-QSAR策略进展和运用探讨87-105
4.1 引言87
4.2 材料和策略87-91
4.2.1 实验原理87
4.2.2 数据收集与处理87-89
4.2.3 小分子描述符计算89
4.2.4 靶标蛋白描述符计算89
4.2.5 mt-QSAR策略原理89
4.2.6 计算化学基因组策略89-90
4.2.7 建模策略90
4.2.8 软件和在线怎么写作CPI-Predictor进展90-91
4.3 实验结果91-98
4.3.1 数据集多样性浅析91
4.3.2 mt-QSAR模型结果91
4.3.3 计算化学基因组学模型结果91-96
4.3.4 外部确证集的预测结果96-98
4.4 软件和基于网页怎么写作CPI-Predictor的功能介绍98-100
4.4.1 CPI-Predictor特点98-99
4.4.2 基于Web怎么写作CPI-Predictor99-100
4.5 讨论100-104
4.5.1 药物多向药理学特点浅析100
4.5.2 计算化学基因组学与mt-QSAR策略比较100-103
4.5.3 化学基因组学策略展望103-104
4.6 本章小结104-105
第5章 化合物代谢相关性质预测策略进展和运用探讨105-151
5.1 引言105-106
5.2 细胞色素P450抑制剂分类预测探讨106-127
5.2.1 材料与策略106-114
5.2.2 结果114-122
5.2.3 讨论122-126
5.2.4 小结126-127
5.3 小分子细胞色素P450抑制杂泛性表征和预测127-142
5.3.1 材料和策略127-128
5.3.2 结果和讨论128-141
5.3.3 小结141-142
5.4 化合物生物降解性预测142-149
5.4.1 材料和策略142-144
5.4.2 结果和讨论144-149
5.4.3 小结149
5.5 本章小结149-151
第6章 化合物毒性预测策略进展和运用探讨151-163
6.1 引言151-152
6.2 化合物水生毒性预测152-155
6.2.1 材料和策略152-154
6.2.2 结果和讨论154-155
6.3 化合物陆生毒性预测155-157
6.3.1 材料和策略155-156
6.3.2 结果和讨论156-157
6.4 计算系统毒理学策略进展157-161
6.4.1 材料和策略157-158
6.4.2 结果与讨论158-161
6.5 本章小结161-163
第7章 ADMET相关数据库构建和预测软件进展163-175
7.1 引言163-164
7.2 材料和策略164-168
7.2.1 数据准备164-165
7.2.2 admetSAR数据库构建165-166
7.2.3 ADMET-Simulator程序设计166-168
7.3 admetSAR数据库介绍168-171
7.3.1 admetSAR数据库描述168-169
7.3.2 预测全新分子药代动力学性质及毒性169-171
7.3.3 admetSAR数据库的利用和特点171
7.4 软件ADMET-Simulator功能及运用介绍171-174
7.4.1 ADMET-Simulator软件的模块功能介绍171-172
7.4.2 ADMET-Simulator特点172
7.4.3 ADMET-Simulator利用简单介绍172-174
7.5 本章小结174-175
第8章 全文总结和展望175-178