导读:本文包含了靶标预测论文开题报告文献综述及选题提纲参考文献，主要关键词:黄姜味草醇,生物学活性,网络药理学,潜在靶点
靶标预测论文文献综述
裴晓东,林凤,蒋利和[1]（2019）在《黄姜味草醇生物活性研究进展及作用机制中关键靶标预测》一文中研究指出目的:本文在归纳讨论黄姜味草醇(Xanthomicrol)的生物学活性后,通过网络药理学研究,预测了Xanthomicrol作用的关键靶标。方法:通过网络药理学研究,利用反向药效团匹配,蛋白互作及复杂网络拓扑分析技术对潜在靶标进行预测。结果:通过潜在靶标预测,发现Xanthomicrol具有"多靶点,多通路,多功效"的作用机制。预测结果显示Xanthomicrol能直接或间接作用于GTPase HRas(HRAS)、Cell division protein kinase 2(CDK2)、Insulin receptor(INSR)、Prothrombin(F2)、Glutathione S-transferase P1(GSTP1)、Estrogen receptor1(ESR1)、Heat shock protein HSP 90-alpha(HSP90AA1)等7个关键潜在靶标,这为进一步研究Xanthomicrol及其结构类似物提供了方向。结论:开发以Xanthomicrol为主要功效成份的药品将成为一种可能性。(本文来源于《中国医院药学杂志》期刊2019年22期）
余冬华,郭茂祖,刘晓燕,程爽[2]（2019）在《药物靶标作用关系预测结果评价及查询验证》一文中研究指出药物靶标作用关系预测是一种重要的辅助药物研发手段,而生物实验验证药物靶标作用关系耗钱耗时,因此,在数据库中查询验证预测的药物靶标作用关系是对预测方法的重要评价.基于KEGG,DrugBank,ChEMBL这3个数据库,利用爬虫获取信息的方式设计开发了药物靶标作用关系查询验证方法DTcheck(drug-target check),实现了对于提供KEGG DRUG ID及KEGG GENES ID的药物靶标对的高效查询验证功能,并利用DTcheck分别为Enzyme,IC(ion channel),GPCR(G-protein-coupled receptor),NR(nuclear receptor)四个标准数据集扩充新增药物靶标作用关系907,766,458,40对.此外,结合DTcheck查询验证,以BLM(bipartite local models)方法为例分析了预测结果的评价问题,结果表明,采用AUC(area under curve)值评价药物靶标作用关系预测方法没有Top N评价合理,且AUC值低的BLMd方法在预测新的药物靶标作用关系时优于AUC值高的BLMmax方法.(本文来源于《计算机研究与发展》期刊2019年09期）
黄海量,李灵,韩涛,滕佳林[3]（2019）在《基于数据挖掘的备选新处方“成分-疾病-靶标-通路”预测分析——以抗抑郁新方发现为例》一文中研究指出目的:预测抗抑郁新方(香蒲解郁方)治疗抑郁症的分子作用机制。方法:使用整合药理学平台V1. 0对通过文本挖掘获取的香蒲解郁方的中药成分及抑郁症疾病靶标数据进行靶标预测、蛋白质-蛋白质相互作用信息(PPI)、基因功能和通路富集等分析,构建香蒲解郁方治疗抑郁症疾病"成分-靶标-通路"多维网络并可视化展示,筛选核心成分、关键标靶与主要通路。结果:预测分析发现香蒲解郁方中有219个成分和1925个靶标与抑郁症相关,其中姜黄酮、姜黄素、挥发油、α-细辛醚,β-细辛醚等为发挥抗抑郁作用的主要成分,五羟色胺受体(HTR2C)、δ型阿片受体(OPRD1)、μ型阿片受体(OPRM1)、κ型阿片受体(OPRK1)等为候选关键靶标,神经系统、神经网络信号通路、趋化因子信号通路等为主要通路。结论:通过整合药理学分析预测发现抗抑郁新处方-香蒲解郁方抗抑郁药化成分主要来自郁金、石菖蒲、香附、生姜、合欢皮,对神经和内分泌系统进行网络状综合调节为其主要作用机制。(本文来源于《辽宁中医杂志》期刊2019年06期）
路莹莹[4]（2019）在《基于深度学习的药物-靶标相互作用预测》一文中研究指出准确识别药物-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叁部分: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算法的药物-靶标相互作用预测新方法。我们以DrugBank数据集作为基准研究数据,特征向量的构建基于药物分子的结构信息和靶标蛋白的序列信息。采用了叁种深度学习算法,深度神经网络(DNN)、高速路神经网络(HN)和循环神经网络(RNN)建立药物-靶标相互作用预测模型。通过在独立测试集上进行评估,DNN、HN、RNN模型预测结果的ROC曲线下面积(AUC)和准确率(Acc)分别达到0.96和0.90、0.94和0.88、0.95和0.87,这表明我们所建立的模型能够较好地识别药物-靶标相互作用。除此之外,我们还建立了2种传统的机器学习模型,随机森林(RF)和支持向量机(SVM),RF和SVM模型的AUC和Acc分别达到0.90和0.84、0.92和0.85,从结果比较可以看出深度学习模型较传统的机器学习模型性能有一定提升。为了进一步说明模型的泛化能力,我们引入Experimental set作为外部验证集,用所建立模型对新的药物-靶标相互作用进行预测,预测结果表明我们的方法具有较好的预测性能,能够高效、准确的预测新的药物-靶标相互作用。本文的第叁章主要研究的是基于深度学习算法的药物-靶标结合亲和力预测新方法。结合亲和力是药物-靶标相互作用强弱的一个表征。本工作采用深度学习算法建立一个回归模型,以预测药物-靶标结合亲和力的大小。我们以PDBBind数据集作为基准研究数据,采用两种方法构建特征向量,一种是基于药物结构信息和靶标序列信息,第二种是基于BINANA算法分析药物-靶标相互作用的信息。然后我们采用深度神经网络(DNN)建立了药物-靶标结合亲和力预测模型。考虑到结合亲和力的表征方式不同(解离常数K_d和抑制常数K_i),我们分别建立了DL-K_d模型,DL-K_i模型,以及不考虑分组的DL-All模型。通过在独立测试集上的评估,基于药物和蛋白描述符的DL-K_i模型的Pearson’s相关系数R达到0.85,RMSE低至1.07,基于BINANA算法的DL-All模型的Pearson’s相关系数R达到0.83,RMSE低至0.87,这些结果表明我们的模型具有较好的预测能力。此外,基于两种特征的DL-All模型的预测性能均优于DL-K_i和DL-K_d模型,说明深度学习算法更适用于大数据。最后,通过与SVM和RF对比,发现深度学习模型较传统机器学习模型预测性能有很大提升。以上的工作采用深度学习算法分别建立了药物-靶标相互作用预测的分类和回归模型,不仅能够定性的判定药物和靶标之间是否存在相互作用,还可直接定量的预测其相互作用的大小-结合亲和力,这将对旧药物的重新定位和新药的研发具有重要的意义。(本文来源于《兰州大学》期刊2019-04-01）
刘志强,王博龙[5]（2019）在《中药网络药理学药效成分筛选与靶标预测的研究进展》一文中研究指出药效成分筛选与靶标预测是中药网络药理学研究的核心内容之一,本文就现阶段常用的网络药理学分析服务器、中药化学成分数据库、靶标预测技术等数据平台的使用方法、细节要点进行对比分析,并对其在中药网络药理学研究中的应用现状进行综述,以供研究人员参考。(本文来源于《中成药》期刊2019年01期）
李跃文,刘志强,王博龙[6]（2018）在《增液汤的网络靶标预测及作用机制研究》一文中研究指出目的采用网络药理学方法对增液汤中活性成分的作用机制进行分析,探讨其成分、靶点及通路间的相关关系。方法运用中药系统药理学成分分析平台(BAT-MAN)数据库获取增液汤的作用靶标基因,采用Cytoscape 3.5.1软件构建活性成分-靶点网络,STRING平台构建靶蛋白互作网络,利用BiNGO和MCODE插件对相互作用的靶基因进行GO生物过程富集和聚类分析,借助生物学信息注释数据库对靶点进行KEGG信号通路分析。结果增液汤中23个药效成分作用于268个潜在靶点,聚类分析862个GO生物过程得到物质合成代谢、氧化应激、细胞离子平衡、炎症反应、凝血调节等23个子簇。KEGG信号通路富集主要涉及代谢、神经递质、氨基酸合成、信号转导、心血管和其他等6大类22条信号通路。结论本研究揭示了增液汤活性成分、靶点及多维药理作用机制,为其临床治疗价值拓展提供新的线索。(本文来源于《中国现代应用药学》期刊2018年12期）
刘志强,刘和波,王博龙[7]（2018）在《白术中白术内酯Ⅰ、Ⅱ、Ⅲ的靶标预测及蛋白互作网络研究》一文中研究指出目的:探究白术中白术内酯Ⅰ、Ⅱ、Ⅲ的潜在靶标及药理机制,为白术内酯类药物的研究开发提供网络药理学理论线索。方法:利用药效团匹配靶标服务器PharmMapper虚拟筛选白术内酯Ⅰ、Ⅱ、Ⅲ的潜在靶标,借助STRING平台构建靶蛋白互作网络并筛选关键靶标,利用治疗靶标数据库探究靶标的功能以及与通路、疾病的关系,采用系统分子对接服务器SystemsDock将白术内酯Ⅰ、Ⅱ、Ⅲ与关键靶标进行分子对接,验证白术内酯Ⅰ、Ⅱ、Ⅲ与关键靶标的亲和活性。结果:白术内酯Ⅰ、Ⅱ、Ⅲ主要作用于丝裂原激活蛋白激酶(MAPK)8、半胱氨酸蛋白酶(CASP)3、过氧化物酶体增殖物激活受体(PPARG)、一氧化氮合酶(NOS)3、热休克蛋白(HSP)90AA1、雌激素受体(ESR)1、雄激素受体(AR)、糖原合成酶激酶(GSK)3B、骨形态发生蛋白(BMP)2、凝血酶原前体片段F2等10个关键靶标,具有治疗肿瘤、心血管疾病、中枢神经系统疾病的潜在药理活性;除白术内酯Ⅰ与MAPK8的亲和力小于4.25外,白术内酯Ⅰ、Ⅱ、Ⅲ与对应靶标对接分数基本都在4.25以上,均属于有效结合。结论:白术内酯Ⅰ、Ⅱ、Ⅲ具有"多靶点、多通路、多疾病"的药理作用机制。(本文来源于《中国药房》期刊2018年23期）
李跃文,朱斌,刘志强,王博龙[8]（2018）在《川陈皮素潜在药效靶标预测及多维药理作用分析》一文中研究指出目的预测中药活性成分川陈皮素的潜在靶标并进行分子对接验证,探讨其多维药理作用。方法运用反向分子对接服务器PharmMapper将川陈皮素与2241个人类蛋白靶标分别对接,选取Normalized Fit Score打分值前15的靶蛋白,采用Systemsdock Web Site平台对具有疾病治疗价值的主要靶蛋白进行正向分子对接验证。结果川陈皮素与成纤维细胞激活蛋白(Seprase)、网织红细胞-4受体(Reticulon-4 recoptor)、组织蛋白酶L2(CathepsinL2)3个靶蛋白结合较好,对接分数分别为5.215、5.227、6.090。靶蛋白药效团模型与川陈皮素分子特征一致,分子对接显示川陈皮素与靶蛋白核心氨基酸有相互作用。结论川陈皮素与Seprase、Reticulon-4 recoptor、CathepsinL23个重要靶蛋白结合强度较好,具有抗癌、抗氧化、抗炎、抗血栓形成等药理作用。(本文来源于《井冈山大学学报(自然科学版)》期刊2018年05期）
尹旭岗,冯佳,吕俊平,刘琪,南芳茹[9]（2018）在《基于生物信息学的条斑紫菜microRNAs及其靶标预测》一文中研究指出目前,作为模式红藻的条斑紫菜面临着日益严峻的生存危机。非编码RNA介导的基因后转录水平调控对于条斑紫菜资源的保护与开发具有十分重要的意义。研究利用BLASTn结合Mireap软件,共预测到5条新的条斑紫菜miRNAs;利用Target Finder工具预测到5条与紫菜生长发育及代谢相关的靶标基因,另预测到59条未知功能的靶标位点。Clustal W结合WebLoGO的分析结果显示了条斑紫菜miRNAs在植物间保守性;Clustal W结合MEGA的miR164家族系统进化结果显示,pre-miR64s与物种进化不同步,且具有进化的随机性与序列的多态性。研究结果丰富了条斑紫菜miRNAs及其靶标信息,可为条斑紫菜后转录水平的分子选育及其功能的开发与利用奠定基础。(本文来源于《山西农业科学》期刊2018年08期）
孟纯阳,魏小春,赵艳艳,原玉香,杨双娟[10]（2018）在《12个辣椒microRNA的靶标预测及表达分析》一文中研究指出为了探索12个辣椒microRNA的时空表达及胁迫响应。根据辣椒中已鉴定和注释的microRNA信息,进行靶标预测和时空表达分析。靶标除转录因子外,还有ABC transporter、WD40和锌指结构等。辣椒中miRNA表达具有组织特异性,并且miRNA在果实发育中也起作用。同时,对辣椒进行脱落酸、茉莉酸甲酯、高温、低温、盐和辣椒疫病病原菌处理。采用实时荧光定量PCR检测12个miRNA在不同处理下的表达情况。结果发现micro RNA对胁迫有响应,对胁迫呈现出显着性表达差异,miR4414b受疫病胁迫上调表达,miR167在脱落酸胁迫下下调表达,miR396d经脱落酸、茉莉酸甲酯和疫病诱导后,显着上调表达。miR156在高温和低温胁迫下下调,靶标转录因子SBP可能上调,适应胁迫反应。但miR156a经NaCl诱导后显着上调表达,可能导致靶标下调表达。miR171c经脱落酸、茉莉酸甲酯和疫病处理显着下调,靶标GRAS基因可能上调抵抗胁迫,本研究对辣椒中miRNA的进一步研究提供帮助。(本文来源于《分子植物育种》期刊2018年12期）
靶标预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
药物靶标作用关系预测是一种重要的辅助药物研发手段,而生物实验验证药物靶标作用关系耗钱耗时,因此,在数据库中查询验证预测的药物靶标作用关系是对预测方法的重要评价.基于KEGG,DrugBank,ChEMBL这3个数据库,利用爬虫获取信息的方式设计开发了药物靶标作用关系查询验证方法DTcheck(drug-target check),实现了对于提供KEGG DRUG ID及KEGG GENES ID的药物靶标对的高效查询验证功能,并利用DTcheck分别为Enzyme,IC(ion channel),GPCR(G-protein-coupled receptor),NR(nuclear receptor)四个标准数据集扩充新增药物靶标作用关系907,766,458,40对.此外,结合DTcheck查询验证,以BLM(bipartite local models)方法为例分析了预测结果的评价问题,结果表明,采用AUC(area under curve)值评价药物靶标作用关系预测方法没有Top N评价合理,且AUC值低的BLMd方法在预测新的药物靶标作用关系时优于AUC值高的BLMmax方法.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
靶标预测论文参考文献
[1].裴晓东,林凤,蒋利和.黄姜味草醇生物活性研究进展及作用机制中关键靶标预测[J].中国医院药学杂志.2019
[2].余冬华,郭茂祖,刘晓燕,程爽.药物靶标作用关系预测结果评价及查询验证[J].计算机研究与发展.2019
[3].黄海量,李灵,韩涛,滕佳林.基于数据挖掘的备选新处方“成分-疾病-靶标-通路”预测分析——以抗抑郁新方发现为例[J].辽宁中医杂志.2019
[4].路莹莹.基于深度学习的药物-靶标相互作用预测[D].兰州大学.2019
[5].刘志强,王博龙.中药网络药理学药效成分筛选与靶标预测的研究进展[J].中成药.2019
[6].李跃文,刘志强,王博龙.增液汤的网络靶标预测及作用机制研究[J].中国现代应用药学.2018
[7].刘志强,刘和波,王博龙.白术中白术内酯Ⅰ、Ⅱ、Ⅲ的靶标预测及蛋白互作网络研究[J].中国药房.2018
[8].李跃文,朱斌,刘志强,王博龙.川陈皮素潜在药效靶标预测及多维药理作用分析[J].井冈山大学学报(自然科学版).2018
[9].尹旭岗,冯佳,吕俊平,刘琪,南芳茹.基于生物信息学的条斑紫菜microRNAs及其靶标预测[J].山西农业科学.2018
[10].孟纯阳,魏小春,赵艳艳,原玉香,杨双娟.12个辣椒microRNA的靶标预测及表达分析[J].分子植物育种.2018