摘要：G蛋白偶联受体(GPCR)是人体内一类重要的药物作用靶标。针对GPCR配体进行了较全面的药效团模拟研究,有效地整合针对GPCR进行药物发现研究的数据,并构建了相应的药效团数据库。收集并构建了GPCR的8个大类17个亚型的不同配体共110个药效团模型,作为GPCR配体药效团数据库的首批数据。通过统计分析发现:87%GPCR配体药效团中含有疏水性基团(Hydrophobic,HY)、66%包含芳香性基团(Ring aromatic,RA)、45%含有正离子基团(Positiveions,PI)。GPCR药效团数据库的建立极大地方便了开发设计新的具有选择性的GPCR配体。

摘要：标记分布学习是一种新型的学习范式,该文提出了一种适用于标记分布问题形式的Adaboost集成算法,能够有效地提升各种单独算法的预测精度。该文设计了一种新的用于反映排序损失的评价指标SortLoss。该文将Adaboost应用在标记分布学习问题上。实验结果表明,该文设计的Adaboost-LDL集成框架在13个真实数据集上能够显著提升标记分布学习算法的预测精度,该文的方法将排序损失指标SortLoss平均降低至原先的41.2%,KL散度指标平均降低至原先的68.5%。