一、论文选题背景
（一）论文选题背景和意义
药物靶标（Drug target）是指体内具有药效功能并能被药物作用的生物大分子，如某些蛋白质和核酸等。目前上市药品中最常见的药物靶标属于蛋白质，靶标蛋白占98%以上的比例，包括多种受体、酶、离子通道等，其中几乎50%以上的属于G蛋白偶联受体（GPCRs）[1]。药物潜在靶标的识别对于早期药物分子的研发、安全性评价、老药新用、阐明天然产物作用机制等方面都有着非常重要的意义。靶标发现的一般流程是：利用基因组学，蛋白质组学以及生物芯片技术获取与疾病有关的生物分子信息，确定候选靶标[2]；再在分子、细胞及动物水平进行药理研究，验证靶标的有效性。由于受通量、精度和费用的影响，实验靶标验证工作的进展通常比较缓慢。计算机辅助的药物靶标识别方法作为一种快速而经济的手段，受到越来越多的重视。发展快速、精确的靶标识别预测方法对于靶向性药物开发、药物—靶标相互作用网络图谱的构建和小分子调控网络的分析都具有十分重要的意义[3]。因此，有必要通过计算手段和工具发现并预测药物的潜在靶标，同时为实验提供指导和辅助证据。
对各种生物大分子的一级结构（即序列）进行分析在生物信息学研究领域是一项最基本的工作。蛋白质的氨基酸序列决定着它的空间结构，而空间结构往往决定了其功能，因此，如何揭示蛋白质氨基酸序列的信息是非常重要的工作。相比于蛋白质的二级、三级、四级结构，测定蛋白质氨基酸序列则比较容易。因此如何真正能够从一级序列中挖掘出其生物学上的信息则是具有更重要的意义。
当前大量的公开数据库中如ChEMBL数据库中已经积累了海量的受体-配体关系对的数据，其中包含蛋白序列数据、小分子的化学结构数据、化合物活性等，因此需要通过数据统计等方法挖掘这些数据库中所包含的有用信息。进而为利用药物靶标相互作用数据进行药物再利用，预测孤儿受体（没有配体信息的受体）的配体等的相关研究提供一定的理论依据。
在当今活性小分子及其靶标数据量急剧增加的“大数据”时代，研究受体配体的相互作用可以为药物研发提供可靠的受体集合，缩小整个新药产生的研发周期。有关研究表明，如果可以有效的结合受体的信息，能够增加预测受体-配体相互作用关系的准确率。提高预测受体-配体关系的精度可以对实验的成功产生重要的影响。在已知的药物-靶标相互作用网络中最大限度地利用现有的标签数据来推测更多潜在的药物-靶标对是一个巨大且重要的课题。
（二）国内外关于该选题的研究现状和发展趋势
众所周知，化合物和蛋白不是一一对应的，大多数药物能与多个靶标相互结合，同时也存在着多个药物与同一靶标相互作用的现象。随着基因组测序等实验技术的的发展，产生了大量有用的生物数据，如分子序列等。
生物信息学（bioinformatics）是利用应用数学、信息学、统计学和计算机科学的方法研究生物学的问题的一门新型学科。早在上世纪八十年代之前生物信息学研究已产生萌芽，随着BLAST[4,5]、FASTA[6,7]等工具软件和相应算法的提出，才正式确立了其学科地位与象征。随着生物信息学蓬勃发展，它的研究成果不仅对相关基础学科起巨大的推动作用，而且还对医药、卫生、食品、农业等产业产生巨大的影响。因此，各国政府对此极为重视，投入大量资金，成立相应的研究机构。欧美各国及日本相继成立了生物信息数据中心，如美国的国家生物技术信息中心（NCBI）、欧洲生物信息学研究所（EBI）、日本信息生物学中心（CIB）、家基因组资源中心（NCGR）等。同时由于电子信息技术的发展，如信息高速公路、国际互联网的发展，美国、日本及欧洲各国相继在 Internet 上建立了众多的生物信息学网络节点，提供大型数据库服务。
在我国，生物信息学的发展起步稍晚于国外发达国家，特别是美国和日本。我国目前有许多科研机构和大学从事生物信息学方面的工作，其中有中国科学院计算所、武汉大学和中国农业大学等。
以上是文献综述，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。
