2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩84頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著人們對(duì)健康生活方式的重視,醫(yī)藥行業(yè)得到了巨大的發(fā)展。在傳統(tǒng)藥物設(shè)計(jì)方法無(wú)法有效地滿足行業(yè)需求的背景之下,分子對(duì)接作為一種有效地理性藥物設(shè)計(jì)方法,得到了廣泛地應(yīng)用,成為大規(guī)模藥物分子虛擬篩選的重要途徑。本文圍繞著分子對(duì)接的構(gòu)象搜索和打分函數(shù)展開(kāi)了研究。
  首先綜述了計(jì)算機(jī)輔助藥物設(shè)計(jì)的發(fā)展過(guò)程,分析對(duì)比了傳統(tǒng)藥物設(shè)計(jì)方法和理性藥物設(shè)計(jì)方法。在深入分析了分子對(duì)接的理論基礎(chǔ)后,闡述了分子對(duì)接在新藥研發(fā)流程中的重要意義。對(duì)分子對(duì)接平

2、臺(tái)中常用的構(gòu)象搜索方法和打分函數(shù)進(jìn)行了比較詳細(xì)的介紹和分析,并對(duì)當(dāng)前主流的分子對(duì)接平臺(tái)進(jìn)行了簡(jiǎn)單的比較。之后根據(jù)最優(yōu)化理論,將分子對(duì)接問(wèn)題轉(zhuǎn)化為最優(yōu)化問(wèn)題,并建立了相應(yīng)的數(shù)學(xué)模型,然后對(duì)本文使用AutoDock平臺(tái)進(jìn)行深入分析。
  本文在基于拉馬克遺傳算法的分子對(duì)接模型啟發(fā)下,發(fā)展了一種自適應(yīng)免疫遺傳算法,利用免疫過(guò)程的基因任意重組、免疫變異、免疫選擇、免疫記憶特點(diǎn),提高遺傳過(guò)程中對(duì)先驗(yàn)知識(shí)的利用,有效地保持種群的個(gè)體多樣性,實(shí)

3、現(xiàn)對(duì)算法效率的提高。該模型除了利用免疫遺傳算法的特點(diǎn)對(duì)目標(biāo)優(yōu)化外,還引入了自適應(yīng)的交叉變異算子,提高了算法的自適應(yīng)性。最后通過(guò)實(shí)驗(yàn)分析驗(yàn)證模型的可行性,選擇布克海文蛋白質(zhì)數(shù)據(jù)庫(kù)(Brookhaven Protein Data Bank)中的蛋白質(zhì)一配體復(fù)合物,從分子對(duì)接精度、復(fù)合物最低結(jié)合能、對(duì)接時(shí)間等角度,將優(yōu)化后模型與AutoDock使用的模擬退火方法及拉馬克遺傳算法進(jìn)行對(duì)比分析。
  本文還將分子對(duì)接過(guò)程和傳統(tǒng)的最優(yōu)搜索模型

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論