一、本课题要解决的问题近年来，利用现代生物技术合成的多肽药物已成为药物研发的热点之一，其因适应症广、安全性高且疗效显著，目前已经广泛应用于肿瘤、肝炎、糖尿病、艾滋病等疾病的预防、诊断和治疗中，具有广阔的开发前景。
多肽药物的主要来源是内源性多肽或天然多肽，其结构清楚、作用机制明确，质量控制水平接近于传统的小分子化学药物，而活性上接近于蛋白质药物，集合了传统化学药物和蛋白质药物的优点，适用于治疗某些复杂疾病，如代谢疾病、肿瘤、感染等。
当前多肽药物平均研发周期比化学药物少0.7年，成药性比例也较高，全球市场上的多肽药物逐年增加，目前，全球多肽药物的市场已经超过200亿美元，占医药市场总份额的2%左右，保持10%左右的增速，同时还有大量多肽药物进入了临床研究阶段。
现在临床研究中较有潜力的多肽药物大多是长度为5-50个氨基酸左右的阳离子两亲性肽，如抗菌肽、抗癌肽、抗病毒肽等。
这一类临床候选多肽最终无法上市的原因主要是其在发挥治疗作用的同时产生的毒副作用较大且无法通过联合用药减轻或避免，而在临床试验前判断一种多肽药物是否具有毒副作用并对研究其毒副作用的成因、效果、控制手段需要耗费大量科研人员的时间和精力，导致多肽药物的研发速度大大降低，削弱多肽药物在新药研发领域的优势。
随着互联网的不断发展，科学界的信息交流越发通畅，关于多肽药物毒性研究的信息变得唾手可得，然而，数据的分散以及不规律导致这些信息没有被有效利用，导致目前对于新的多肽药物毒性研究仍需耗费大量的人力物力成本。
二、本论文研究目的及意义本课题意在高效利用现有的多肽药物毒性研究成果，通过有效利用，使其为多肽毒性研究提供方向指引，从而提高新多肽药物毒性的研究效率。
本课题拟采用计算机辅助药物设计的方法，通过收集现有的多肽毒副作用信息，构建多肽毒副作用数据库，在其中提取序列、组理化性质等特征和实际多肽展现出的毒性结果，导入计算机，通过机器学习方法探寻多肽毒性与其性质、结构之间存在的联系，利用已知数据，构建多肽的毒性预测模型，帮助科研人员预测新的多肽药物可能具有的毒性及去除或减弱毒性的方法。
本课题拟构建的多肽药物毒性预测模型将大大节省多肽类药物毒副作用的研究成本，提高临床候选多肽的上市率，缩短多肽药物的研发周期，并为计算机辅助高效低毒治疗肽的筛选奠定基础。
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。
