 |
- ⒶⒸСтьюпер Э... Машинный анализ связи химической структуры и биологической активности. (Computer Assisted Studies of Chemical Structure and Biological Function) [Djv-Fax- 1.7M] [Pdf-Fax- 8.6M] Авторы: Эндрю Стьюпер, Уильям Брюггер, Питер Джурс (Andrew J. Stuper, William E. Brigger, Peter C. Jurs). Перевод с английского: В.П. Дмитриев под редакцией А.М. Евсеева. Художник: В.И. Шаповалов.
(Москва: Издательство «Мир»: Редакция литературы по химии, 1982)
Скан, обработка, формат Pdf-Fax: derevyaha, fire_varan, доработка, формат Pdf-Fax: звездочет, 2024
- СОДЕРЖАНИЕ:
Предисловие редактора перевода (5).
Предисловие (8).
Глава 1. ВВЕДЕНИЕ (11).
Исследования связи между структурой и активностью (11).
Метод Ханша: соотношения линейности свободной энергии (12).
Параметры гидрофобности (15).
Электронные параметры (18).
Стерические параметры (19).
Некоторые другие параметры (19).
Регрессионный анализ и статистические параметры (19).
Приложения (24).
Аддитивная модель Фри - Вильсона (25).
Квантовомеханические методы (27).
Применения методов распознавания образов (29).
Литература (34).
Глава 2. ПРИНЦИПЫ РАСПОЗНАВАНИЯ ОБРАЗОВ (41).
Основные понятия методов распознавания образов (43).
Предварительная обработка (49).
Масштабирование и нормализация (49).
Преобразования кластеризации (51).
Отбор признаков (53).
Многомерный скейлинг и нелинейное отображение (60).
Классификация (63).
Параметрические методы классификации (64).
Методы кластеризации (67).
Литература (70).
Глава 3. ОБРАБОТКА ХИМИЧЕСКОЙ СТРУКТУРНОЙ ИНФОРМАЦИИ:
РАСЧЕТ МОЛЕКУЛЯРНЫХ ДЕСКРИПТОРОВ (74).
Принципы кодирования молекулярных структур (74).
Линейная номенклатура Висвессера (76).
Матрицы связей (78).
Кодирование молекулярных структур (80).
Программа UDRAW (81).
Топологические дескрипторы молекулярной структуры (85).
Дескрипторы фрагментов (86).
Субструктурные дескрипторы (87).
Дескрипторы окружения (90).
Молекулярная связность (92).
Молекулярные модели и геометрические дескрипторы (94).
Выводы (104).
Литература (105).
Глава 4. РАСПОЗНАВАНИЕ ОБРАЗОВ: ЛИНЕЙНЫЕ ДИСКРИМИНАНТНЫЕ ФУНКЦИИ (107).
Линейная обучающаяся машина (109).
Алгоритм градиентного спуска в методе наименьших квадратов (112).
Классификация по методу ближайших соседей (116).
Ограничения, накладываемые на непараметрические линейные классификаторы (118).
Вариационный метод отбора признаков (125).
Построение алгоритма вариационного метода (131).
Литература (138).
Глава 5. ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ИССЛЕДОВАНИЙ СВЯЗИ МЕЖДУ СТРУКТУРОЙ И АКТИВНОСТЬЮ: СИСТЕМА ADAPT (139).
Система управления массивом структурных данных (142).
Распределение данных по классам (143).
Формирование дескрипторов (144).
DMFRAG: расчет молекулярных фрагментов (145).
DMSSS: поиск молекулярных субструктур (145).
DMC0N: молекулярная связность (146).
DMVOL: молекулярный объем (146).
DMGEO: молекулярная геометрия (146).
Активная выборка данных: формирование, отбор признаков и классификация (148).
Заключение (149).
Глава 6. ИССЛЕДОВАНИЕ СВЯЗИ МЕЖДУ СТРУКТУРОЙ И БИОЛОГИЧЕСКОЙ АКТИВНОСТЬЮ (150).
Приложение к психотропным агентам (151).
Выборка данных (151).
Результаты (158).
Обсуждение результатов (163).
Исследование барбитуратов (163).
Выборка данных (164).
Результаты (171).
Обсуждение (176).
Литература (180).
Глава 7. ИССЛЕДОВАНИЕ СВЯЗИ МЕЖДУ СТРУКТУРОЙ И АКТИВНОСТЬЮ ОБОНЯТЕЛЬНЫХ СТИМУЛЯТОРОВ (182).
Основы анатомии и физиологии носа (183).
Теория обоняния (185).
Анализ мускусных одорантов (188).
Общий структурный элемент мускусных одорантов (198).
Анализ стимуляторов тройничного нерва (204).
Процедура экспериментального исследования тройничного нерва носовой полости (206).
Результаты исследований стимуляторов тройничного нерва 210
Обсуждение результатов исследований стимуляторов тройничного нерва (222).
Литература (225).
Приложение. СПИСОК МУСКУСНЫХ ОДОРАНТОВ (228).
Предметный указатель (230).
ИЗ ИЗДАНИЯ: Книгу, написанную авторами из США, отличают актуальность темы (связь между химической структурой и биологической активностью), а также перспективность излагаемого метода (распознавание образов) и средств его реализации (ЭВМ). В ней изложены принципы распознавания образов. На примере психотропных и снотворных агентов, одорантов и раздражителей носовой полости убедительно продемонстрирована эффективность метода, который позволяет успешно классифицировать и прогнозировать лекарственные препараты.
Для научных сотрудников, работающих в области химической кибернетики, биохимии. |
 |
