生物数据库搜索和可视化的研究

论文摘要

随着计算机技术的发展,计算机的应用对生物合成制药领域的研究产生了重大影响。许多新药的研制不再是传统经验型的一个一个地实验合成化合物,现在新药的合成往往离不开对海量的生化成分数据进行分析和比较。因此如何在浩瀚的化学数据库中快速地搜索到研究人员所关心的分子结构并以图象的形式展现出来,成为一个当今的研究热点。 本文在前人的基础上,提出了一种更高效方法来实现大型生化数据库的搜索和可视化。该算法通过奇异值分解定理(SVD)实现分子数据集从高维到低维映射(2D或者3D),并采用了截断式牛顿法来最小化误差,从而确保维持了各个分子间差异的“大小”。在算法中我们也采用了稀疏矩阵的存储结构来降低存储需求和计算开销,并结合计算机图形技术,将结果可视化地展现在研究者面前。 本文首先对问题进行了数学建模,描述了问题的数学模型,接着给出了详细算法描述,实现细节及实验结果。最后介绍了整个软件的图形人机界面。实验证明整个算法是比较高效的。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 问题的产生背景及其应用
• 1.2 研究现状及理论背景
• 1.3 新的算法
• 第二章 问题的数学建模及算法的数学描述
• 2.1 数学模型的建立
• 2.2 算法中的一些重要定理
• 2.2.1 奇异值分解定理（SVD）
• 2.2.2 截断式牛顿迭代法
• 2.3 算法终止的条件
• 第三章 算法的实现
• 3.1 程序的数据结构框架
• 3.2 稀疏矩阵的存储结构和计算算法
• 3.3 误差函数E梯度的算法实现
• 3.4 二阶偏导阵（Hessian）的算法实现以及对Hessian的特殊处理
• 3.5 核心算法流程图
• 第四章 实验结果及分析
• 4.1 随机初始值和采用SVD产生初始值对迭代收敛的影响
• 4.2 不同目标函数对迭代收敛的影响
• 4.3 不同算法间的比较
• 第五章 用户接口的设计与实现
• 5.1 开发工具简介
• 5.2 用户界面的介绍
• 5.3 分子结构的C++描述
• 结束语
• 致谢
• 参考文献