针对药物靶点结合亲和力预测精度低问题，提出Transformer与对比学习融合的亲和力预测算法并开发虚拟筛选系统_生物信息_2026年.docxVIP

PAGE31

目录

摘要

第一章绪论

1.1课题背景

1.2课题目的与意义

1.3研究方法与论文结构

第二章相关理论与算法综述

2.1算法理论基础概述

2.2备选算法分析与选型

第三章问题建模与需求分析

3.1问题描述与求解场景

3.2功能需求分析

3.3非功能需求与可行性分析

第四章算法总体设计与数据结构设计

4.1算法总体框架设计

4.2数据结构设计

4.3模块划分与接口设计

第五章核心算法详细设计

5.1核心算法流程设计

5.2关键子算法与优化策略设计

5.3算法正确性与复杂度分析

第六章算法实现

6.1开发环境与工程结构

6.2核心功能模块实现

6.3正确性验证与调试

6.4实现中的重点难点与解决方案

第七章实验与结果分析

7.1实验方法与实验环境

7.2实验方案设计

7.3实验结果与分析

第八章总结与展望

8.1工作总结

8.2存在的问题与改进方向

8.3未来展望

8.4结语

摘要

药物研发中，候选化合物与靶点蛋白的结合亲和力测定依赖湿实验，周期长、成本高，计算预测成为虚拟筛选的关键环节。现有深度学习方法如DeepDTA采用一维卷积提取序列局部特征，GraphDTA将分子建模为图结构，二者均以独立编码后拼接的方式建模药物与靶点的相互作用，缺乏残基级交叉关注，对结合位点的细粒度模式刻画不足；同时训