（一）本课题应达到的目的：1、整合Drugbank以及Drugs.com 中的药物相关数据，利用数据挖掘，计算出待测药物对与已知药物对的属性相似度值。
2、利用人工智能的方法，构建一个药物相互作用预测模型。
3、对模型进行大量训练和测试，使药物相互作用预测模型具有更高的灵敏度和可靠性。
（二）研究内容：本课题的主要研究内容是从药物相互作用的数据库中，依据药物之间分子结构的相似性以及其他必要的属性之间的相似性，然后采用人工智能的算法进行分类，训练出合适的模型，并进行预测，再用外部数据集进行验证，评价模型。
本文的研究内容不针对单一某个药物，而是从大量的药物信息中挖掘出有意义的，被忽略的药物相互作用，供药物研发人员和医务工作者参考。
不同于其他的DDI预测模型，本研究所述DDI分类器并不需要复杂的药动学或者药效学参数，仅需要五种药物的属性相似度，并且这五种属性相比之前两种药理性质参数更易获得。
（三）研究手段：1、文献研究方法。
利用学校图书馆的数据库资源，查阅大量相关文献，了解药物相互作用预测模型研究的背景，现状，方法，以及相关的药物和人工智能算法的知识，为课题能顺利进行提供理论上的依据。
2、模型方法。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
