论文部分内容阅读
计算化学(Computational Chemistry)及化学信息学(Chemoinformatics)近几年越来越受到欧盟及美国管理部门和研究者们的关注，也被广泛地应用到药物毒性预测和化学品安全评价方面。本文主要介绍了计算化学和化学信息学的发展现状，并介绍了本人使用相关方法构建定量回归工作流来实现化合物性质的预测;另外本文也介绍了计算机辅助药物设计在预测化合物皮肤敏感性方面的应用。 论文第一章介绍了研究背景，主要介绍计算化学和化学信息学的发展及其在医药行业的应用，并详细介绍了QSAR模型，以及建模的一些机器学习方法。 论文第二章介绍了如何构建定量回归工作流、定量回归工作流的优点以及适用范围。作者使用开源免费软件KNIME构建工作流，不仅能够定量预测化合物性质，而且操作简单、省时，适用范围广，预测准确性高。工作流使用SVM的机器学习方法来预测化合物的性质，考虑到数据的结构不同，工作流可以使用10种不同的分子指纹来描述化合物的结构，操作者可以根据数据集的特征选择合适的分子指纹。最后我们用梨形四膜虫和水溶性数据集来验证该工作流的预测准确性，得到的q2cv和q2test都大于0.7，证明工作流可以广泛地预测化合物的性质。 论文第三章介绍了构建皮肤敏感性多分类模型的研究工作。皮肤敏感性是最常见的免疫毒性，化合物致敏性是化合物安全性评价的一个重要方面。研究主要分为以下几个步骤:搜集数据;计算分子指纹;选择合适的机器学习算法构建模型;最后对所构建的模型进行评价;最终找到最理想的模型。本章主要针对化合物致敏机制构建三分类和四分类模型，用于更详细准确地评价化合物致敏性。 论文第四章总结了全文的工作，并提出未来工作的展望。