欢迎来到天天文库
浏览记录
ID:33294500
大小:2.32 MB
页数:77页
时间:2019-02-23
《化学数据挖掘技术与药物分子设计应用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、分类号UDC密级学号彳座火季硕士学位论文论文题目:化学数据挖掘技术与药物分子设计应用论文作者:苏振强蓑亲、墼嚣嚣各:刘信安教授重庆大学职称、工作单位:刘信安教授重庆大学申请学位级别:硕士专业名称:物理化学论文提交Et期:2002年3月5日答辩日期:2002年3月23日学位授予单位:重庆大学授位日期:年月日答辩委员会主席:魏子栋教授论文评阅人:黎学明夏仕文2002年3月5日重庆大学硕士学位论文中文摘要摘要随着现代科技的发展,生物信息学和化学信息学征新药创制过程中的作用越来越重要,已经成为加速新药研发过程、降低研发
2、成本的关键所在。开发在药物研发过程中易于使用,且效率较高的化学、生物学数据挖掘工具,以帮助药物研发人员进行药物设计是必要的。本文使用口J视化软件开发工具Visualc++6.0和OpenGL实现了化学数据挖掘系统,其核心算法是聚类分析和BP神经网络。本数据挖掘系统还实现了数据挖掘结果的可视化,能对聚类分析谱系罔、基因苍片和样本点的空间分布进行实时的模拟显示及打印输出。并运用该系统对药物研发过程中使用的有关化学及生物学数据进行了聚类分析和BP神经网络模式识别试验。结果表明:该挖掘工具能方便地从Oracle数据库中
3、提取相关数据并进行有效的数据挖掘,发现和提取新知识,比许多现有通用统计软件更适合在药物设计过程使用.更灵活,且使用范围更宽。本文还研究了局域网环境下,用CfiengScrver模式实现分布式多线程并行计箅的技术。为进一步设计和提高网络环境r对分布在网络中的海量数据进行快速搜索和高效数据挖掘计算进行了初步探索。实验结果表明,在相同汁算量下与单机单线程处理方式相比,分布式多线程并行程序运行速度提高极为明显,是最快单机速度的4.4倍.太幅度提高了系统的运行效率,充分利用、挖掘和发挥了网络系统中所有的计算能力和资源,为
4、化学数据挖掘程序并行化实际应用打~p良好基础。关键词:化学数据挖掘技术,药物设计.多线程分布式并行处理,客户机/服务器模式重庆大学硕士学位论文英文摘要ABSTRACTAlongwiththedevelopmentofthemodernscienceandtechnology,bioinformaticsandchemoinforrnadcsbecomemoreandmoreimportantinthedevelopofthenewdrug.Thetwotechnologieshavebecomethekeyfa
5、ctoracceleratingthedevelopofnewdrugandreducingthecostofdevelopingnewdrug.ItisessentialtodevelopadataminingtoolwhichCanhelpthedeveloperdesignthenewdrugs.VisualC++6.0andOpenGLareusedfordevelopingthechemicaldataminingsysteminthepaper.ThekeyalgorithmisClusterana
6、lysisandBPneuralnetworks.Thischemicaldataminingsystemrealizesthevisualizationofthechemicaldataminingresults,Cangetthereal-timeanalogdisplayanddisplayofthespatialdistributionofthesamplepoint、clusteranalysishierarchicalgraphandgenechip.Usethesystemtodosomeclus
7、teranalysisandBPneuralnetworkspatternsrecognitionexperimentwithcorrelativechemicalandbiologicdatausedinthedevelopprocessofthenewdrug,andtheresultsshowthatthisminingtoolcallgetthecorrelativedatafromtheOracledatabaseeasilyanddoeffectivedatamining,discoverandob
8、tainthenewknowledge.Itismoreadaptivetothedevelopprocessofdrugthanmanystatisticalandanalyticalsoftwareinthemarketatpresent.Inaddition,thispaperhasstudiedparallel,distributed,multittu'eadcomputing
此文档下载收益归作者所有