大數(shù)據(jù)環(huán)境下分子檢索與藥物候選物識別研究.pdf

1、近年來，伴隨中國國民經(jīng)濟持續(xù)發(fā)展和化工產(chǎn)業(yè)的不斷進步，組合化學和高通量篩選技術的持續(xù)探索研究產(chǎn)生了大量化合物數(shù)據(jù)。在短時間內可以合成大量多樣化的分子，但是分子性質和功能性質獲取速度相對較慢，這在一定程度上阻礙了在計算化學、化學信息學和藥物設計領域的研究。傳統(tǒng)的檢索方法已取得一定研究成果，可實現(xiàn)對小規(guī)模分子數(shù)據(jù)的處理，然而目前分子數(shù)據(jù)規(guī)模呈現(xiàn)爆炸式增長的趨勢，現(xiàn)有的分子處理系統(tǒng)的運算分析水平有限，化合物檢索速度成為研究的瓶頸。同時由于光纖

2、材料、隱形材料研究領域的探索都對分子折射率有所關注，關于分子折射率的檢索具有十分重要的實際意義。最后，針對大量多樣性的化合物，如何篩選出高質量的藥物候選物成為藥物研究方面的熱點。
　　本文系統(tǒng)的開展了分子檢索和識別研究，研究工作的內容主要分為兩部分。在第一部分中，當前大數(shù)據(jù)的環(huán)境下，分析了傳統(tǒng)的化學分子結構檢索方法，提出了基于分子屬性篩選的VF2算法，建立了基于分布式的化合物檢索模型。對實驗結果進行分析得出以下結論，在大數(shù)據(jù)環(huán)境下

3、實現(xiàn)了對包括特定信息化合物的高效檢索，檢索復雜度得到降低。另外結合分子屬性特點，在分析研究了經(jīng)典高效的化合物檢索算法后，通過等寬算法離散化連續(xù)的化合物折射率，建立高速的哈希索引，最終實現(xiàn)了基于分布式的一致性哈希檢索模型，減小檢索的計算量，使得效率提升。實驗結果表明，該方法實現(xiàn)分子數(shù)據(jù)的快速定位，有效降低了平均檢索耗時，模型性能穩(wěn)定，具有高可擴展性。
　　在第二部分中，本文收集了共計1555個化合物，其中包括兩類數(shù)據(jù)即藥物和非藥物，