大學(xué)生論文格式范文
大學(xué)生論文格式范文【1】
1. 紙張為A4紙，頁邊距上2.5cm，下2.5cm，左3.0cm，右2.5cm
2論文由內(nèi)容摘要與關(guān)鍵詞、論文正文和參考文獻(xiàn)組成。
一級(jí)標(biāo)題“一、”;二級(jí)標(biāo)題“(二)”;三級(jí)標(biāo)題“3.”
3. [內(nèi)容摘要]和[關(guān)鍵詞]均為宋體小四號(hào)加粗，內(nèi)容宋體小四號(hào)，行距1.25cm
4.正文:
(1) 標(biāo)題:黑體二號(hào)居中,上下各空一行
(2) 正文：小四號(hào)宋體，每段起首空兩格，回行頂格，行距為多倍,1.25
(3) 一級(jí)標(biāo)題格式：一級(jí)標(biāo)題：序號(hào)為“一、”，小三號(hào)黑體字，獨(dú)占行，起首空兩格，末尾不加標(biāo)點(diǎn)
(4) 二標(biāo)題序號(hào)為“(一)”，四號(hào)宋體，加粗，獨(dú)占行，起首空兩格，末尾不加標(biāo)點(diǎn)。
(5)三級(jí)標(biāo)題：序號(hào)為“1.”，起首空兩格，空一格后接排正文，小四號(hào)宋體，加粗。
(6) 四、五級(jí)標(biāo)題序號(hào)分別為“(1)”和“①”，與正文字體字號(hào)相同，可根據(jù)標(biāo)題的長(zhǎng)短確定是否獨(dú)占行。
若獨(dú)占行，則末尾不使用標(biāo)點(diǎn)，否則，標(biāo)題后必須加句號(hào)。
每級(jí)標(biāo)題的下一級(jí)標(biāo)題應(yīng)各自連續(xù)編號(hào)。
(7) 注釋 (根據(jù)需要)：正文中需注釋的地方可在加注之處右上角加數(shù)碼，形式為“①、②……”(即插入腳注)，并在該頁底部腳注處對(duì)應(yīng)注號(hào)續(xù)寫注文。
注號(hào)以頁為單位排序，每個(gè)注文各占一段，用小5號(hào)宋體。
注釋的格式要求：
A、著作: [序號(hào)]作者.譯者.書名.版本.出版地.出版社.出版時(shí)間.引用部分起止頁
B、期刊：[序號(hào)]作者.譯者.文章題目.期刊名.年份.卷號(hào)(期數(shù)). 引用部分起止頁
C、會(huì)議論文集：[序號(hào)]作者.譯者.文章名.文集名 .會(huì)址.開會(huì)年.出版地.出版者.出版時(shí)間.引用部分起止頁。
5. 參考文獻(xiàn): [參考文獻(xiàn)] 五號(hào)宋體加粗;內(nèi)容五號(hào)宋體;單起頁。
參考文獻(xiàn)應(yīng)是論文作者親自考察過的對(duì)畢業(yè)設(shè)計(jì)(論文)有參考價(jià)值的文獻(xiàn)。
參考文獻(xiàn)應(yīng)具有權(quán)威性，要注意引用最新的文獻(xiàn)。
畢業(yè)論文作者應(yīng)在選題前后閱讀大量有關(guān)文獻(xiàn)，文獻(xiàn)閱讀量不少于3篇。
參考文獻(xiàn)的表示格式為：
著作：[序號(hào)]作者.譯者.書名.版本.出版地.出版社.出版時(shí)間。
期刊：[序號(hào)]作者.譯者.文章題目.期刊名.年份.卷號(hào)(期數(shù)).
會(huì)議論文集：[序號(hào)]作者.譯者.文章名.文集名 .會(huì)址.開會(huì)年.出版地.出版者.出版時(shí)間。
6.頁碼：從正文起排，頁面底端居中。
論文題目××××××標(biāo)題:黑體二號(hào)居中,上下各空一行
[內(nèi)容摘要]和[關(guān)鍵詞]均宋體小四號(hào)加粗，內(nèi)容宋體小四號(hào)
大學(xué)生畢業(yè)論文格式字體要求【2】
第一頁：
論文題目(黑體、居中、三號(hào)字)
(空一行)
作者(宋體、小三)
(空一行)
[摘要](四號(hào)黑體)空一格打印內(nèi)容(四號(hào)宋體，200-300字)………………………
(空一行)
[關(guān)鍵詞] (四號(hào)黑體)關(guān)鍵詞內(nèi)容(小四號(hào)宋體、每?jī)蓚�(gè)關(guān)鍵詞之間空兩格)
第二頁：
目錄(居中、四號(hào)黑體)
(空一行)
(空一行)
引言(小四號(hào)宋體)…………………………………………………頁碼(小四號(hào)宋體)
一、標(biāo)題(小四號(hào)宋體)……………………………………………………………………………頁碼(小四號(hào)宋體)
1. (小標(biāo)題)(小四號(hào)宋體)………………………………………………………………頁碼(小四號(hào)宋體)
(1)(下級(jí)標(biāo)題)(小四號(hào)宋體) ………………………………………………………頁碼(小四號(hào)宋體)
二、(標(biāo)題)(小四號(hào)宋體) …………………………………………………………………頁碼(小四號(hào)宋體)
1.(小標(biāo)題)(小四號(hào)宋體)……………………………………………………………………頁碼(小四號(hào)宋體)
(1)(下級(jí)標(biāo)題)(小四號(hào)宋體)…………………………………………………………頁碼(小四號(hào)宋體)
參考文獻(xiàn)(小四號(hào)宋體)……………………………………………………………………………頁碼(小四號(hào)宋體)
附錄(小四號(hào)宋體)………………………………………………………………………………………頁碼(小四號(hào)宋體)
致謝語(小四號(hào)宋體)………………………………………………頁碼(小四號(hào)宋體)
英文題目、摘要、關(guān)鍵詞(小四號(hào)宋體)………………………………………………頁碼(小四號(hào)宋體)
第三頁開始：畢業(yè)論文正文
引言(居中、四號(hào)黑體)
(空一行)
(空一行)
引言內(nèi)容用小四號(hào)宋體打印
(空一行)
(空一行)
一、(標(biāo)題)(居中、四號(hào)黑體)
(空一行)
(空一行)
1、(小標(biāo)題)(四號(hào)宋體)
(空一行)
(1)(下級(jí)小標(biāo)題)(小四號(hào)黑體)
(正文內(nèi)容用小四號(hào)宋體、下同)
(空一行)
(空一行)
1、(小標(biāo)題)(四號(hào)宋體)
(空一行)
(1)(下級(jí)小標(biāo)題)(小四號(hào)黑體)
(空一行)
(空一行)
結(jié)論(內(nèi)容用小四號(hào)宋體)
(空一行)
(空一行)
附錄(居中、四號(hào)黑體)
附錄內(nèi)容(內(nèi)容用小四號(hào)宋體)
(空一行)
(空一行)
參考文獻(xiàn)(居中、四號(hào)黑體)
參考文獻(xiàn)(內(nèi)容用五號(hào)宋體)
(空一行)
(空一行)
致謝(居中、四號(hào)黑體)
(空一行)
(空一行)
致謝語(內(nèi)容用小四號(hào)宋體)
(空一行)
(空一行)
最后一頁
(英文題目)(居中、小四號(hào)arial體)
(空一行)
(空一行)
摘要(小四號(hào)arial體)(內(nèi)容用五號(hào)arial體)
關(guān)鍵詞(小四號(hào)arial體)(內(nèi)容用五號(hào)arial體、每個(gè)單詞間空二格)
備注：
1、英文譯文打印格式：標(biāo)題用四號(hào)黑體、內(nèi)容用小四號(hào)宋體。
2、論文較短的，可省略目錄。
【范文】
醫(yī)學(xué)畢業(yè)論文開題報(bào)告范文
一、 選題的目的和意義
定量結(jié)構(gòu)活性關(guān)系(Quantitative Structure-Activity Relationships，簡(jiǎn)稱 QSAR)是20世紀(jì)60年代發(fā)展起來的一門新興學(xué)科，是由結(jié)構(gòu)活性關(guān)系(Structure-Activity Relationship，簡(jiǎn)稱 SAR )發(fā)展而來的。
QSAR 是通過對(duì)已知結(jié)構(gòu)且有生物活性系列化合物(如一系列有相同藥理作用的結(jié)構(gòu)相似的化合物)進(jìn)行化學(xué)信息學(xué)的計(jì)算, 選用適當(dāng)?shù)臄?shù)學(xué)模型建立活性與化合物結(jié)構(gòu)之間定量關(guān)系，解釋由于分子結(jié)構(gòu)的變化影響化合物生物活性的改變,推測(cè)其可能的作用機(jī)理。
然后建立有效的QSAR模型，如果有新化合物的出現(xiàn)，且其結(jié)構(gòu)數(shù)據(jù)已知，可以預(yù)測(cè)其生物活性，也可以優(yōu)化結(jié)構(gòu)改變現(xiàn)有化合物的結(jié)構(gòu)以提高其生物活性。
這種方法廣泛應(yīng)用于藥物、農(nóng)藥、化學(xué)毒劑等生物活性分子的合理設(shè)計(jì)。
在經(jīng)歷40多年的發(fā)展過程中，定量構(gòu)效活性關(guān)系在國(guó)際上已成為一個(gè)相當(dāng)活躍的研究領(lǐng)域。
全世界的科學(xué)家在過去的幾十年中付出了巨大努力，從多個(gè)角度來研究腫瘤的致病機(jī)制，采用各種手段來進(jìn)行預(yù)防、診斷與治療，但腫瘤的發(fā)病率與致死率仍然居高不下。
WHO文件顯示：過去數(shù)十年中，全世界每年有近700萬人死于惡性腫瘤，估計(jì)2020年將升至1000萬。
對(duì)腫瘤的治療主要包括外科切除、放射治療和用抗腫瘤藥物進(jìn)行的化學(xué)治療。
抗腫瘤藥物有“細(xì)胞毒”和促進(jìn)分化等作用，可以殺死腫瘤細(xì)胞、抑制腫瘤細(xì)胞的生長(zhǎng)繁殖和促進(jìn)腫瘤細(xì)胞的分化等，從而可以治療或治愈腫瘤，而且由于其相對(duì)低廉的費(fèi)用，被大多數(shù)腫瘤患者所接受。
盡管腫瘤的化學(xué)治療已取得重大進(jìn)展，新的抗腫瘤藥物不斷出現(xiàn)，但腫瘤的化學(xué)治療仍存在著許多問題，這主要是因?yàn)閷?shí)體腫瘤占惡性腫瘤的90%但多數(shù)實(shí)體瘤如肺癌、肝癌、結(jié)腸癌及胰腺癌等還缺乏有效的藥物;現(xiàn)有的抗腫瘤藥物毒副反應(yīng)太大，缺乏選擇性;腫瘤細(xì)胞對(duì)抗腫瘤藥物產(chǎn)生抗藥性[1]。
QSAR主要側(cè)重于藥物早期的研究和發(fā)展，為新藥物分子的篩選的和設(shè)計(jì)開拓了新的途徑[2]，在受體結(jié)構(gòu)已知的情況下，對(duì)抗腫瘤藥物進(jìn)行定量構(gòu)效活性關(guān)系研究，用生成與受體結(jié)構(gòu)互補(bǔ)的配體的方法來發(fā)現(xiàn)可以針對(duì)特定腫瘤、特定靶點(diǎn)的非細(xì)胞毒類藥物，使之更具有選擇性和針對(duì)性。
隨著新QSAR模型的建立，極大地縮短了新藥合成的時(shí)間，降低了開發(fā)成本，并能在某種程度上預(yù)測(cè)藥物對(duì)特定腫瘤人群的有效性。
為腫瘤治療起到了積極地推動(dòng)作用。
二、國(guó)內(nèi)外研究現(xiàn)狀
腫瘤的化學(xué)治療藥物發(fā)展很快,每年都有大量抗腫瘤藥物研究文獻(xiàn)發(fā)表，各國(guó)對(duì)抗腫瘤藥物的開發(fā)也予以高度重視和大量投資，美國(guó)就此專門成立了美國(guó)國(guó)立癌癥研究(National Cancer Institute，簡(jiǎn)稱NCI)，成為了世界抗腫瘤的權(quán)威機(jī)構(gòu)。
國(guó)內(nèi)研發(fā)方向主要以含中草藥及其活性成分的抗腫瘤藥物，可以歸納為以下幾個(gè)方面：(1)對(duì)現(xiàn)有藥物進(jìn)行結(jié)構(gòu)改造以改善其藥理學(xué)特性，如增加水溶性、降低毒副作用等;(2)以新的作用機(jī)理或作用靶點(diǎn)為指導(dǎo)尋找新的活性物質(zhì)作為先導(dǎo)化合物;(3)發(fā)現(xiàn)新的作用靶點(diǎn)。
在當(dāng)前生物學(xué)的后基因時(shí)代，科學(xué)家們要面對(duì)數(shù)千個(gè)潛在的藥物靶點(diǎn)，探討它們與小分了化合物的相互作用;(4)加強(qiáng)定量構(gòu)效活性構(gòu)關(guān)系研究.
近年來隨著分子生物學(xué)和計(jì)算機(jī)技術(shù)的迅速發(fā)展，使得開發(fā)新藥的技術(shù)路線發(fā)生了重大變革。
國(guó)際上越來越多的研究機(jī)構(gòu)在新抗腫瘤藥物的開發(fā)中使用計(jì)算機(jī)輔助分子設(shè)計(jì),它大大加快了新藥設(shè)計(jì)的速度，節(jié)省了創(chuàng)制新藥工作的人力和物力，使藥物學(xué)家能夠以理論作指導(dǎo)，有目的地開發(fā)新藥。
計(jì)算機(jī)輔助分子設(shè)計(jì)主要分兩種情況:一種是在受體結(jié)構(gòu)已知的情況下,采用生成與受體結(jié)構(gòu)互補(bǔ)的配體的方法來尋找新藥物;另一種是在受體結(jié)構(gòu)未知的情況下,采用對(duì)一組具有類似活性的化合物建立定量結(jié)構(gòu)活性關(guān)系,在此模型基礎(chǔ)上進(jìn)行結(jié)構(gòu)修飾來預(yù)測(cè)生成新的化合物。
QSAR作為抗腫瘤藥物設(shè)計(jì)研究中的一個(gè)重要計(jì)算方法和常用手段,在新藥的開發(fā)和研制過程中占據(jù)了重要位置。
近半個(gè)世紀(jì)以來,QSAR研究對(duì)有機(jī)合成化學(xué)、藥物化學(xué)及藥物設(shè)計(jì)的發(fā)展起了巨大的推動(dòng)作用,已經(jīng)成為研究物質(zhì)理化性質(zhì)與生物活性以尋求分子解釋的一個(gè)強(qiáng)有力工具。
下面就定量活性結(jié)構(gòu)活性關(guān)系研究的一些常見方法作簡(jiǎn)要地介紹如下。
1、二維定量結(jié)構(gòu)活性關(guān)系方法(2D-QSAR)傳統(tǒng)的二維定量結(jié)構(gòu)活性關(guān)系方法很多,有Hansch法、基團(tuán)貢獻(xiàn)法和分子連接性指數(shù)法等[3] 。
其中最為著名、應(yīng)用最為廣泛的是Hansch 法。
它假設(shè)同系列化合某些生物活性的變化是和它們某些可測(cè)量的物理化學(xué)性質(zhì)(疏水性、電性質(zhì)和空間立體性質(zhì)等)的變化相聯(lián)系的,并假定這些因子是彼此孤立的,采用多重自由能相關(guān)法,借助多重線性回歸等統(tǒng)計(jì)方法就可以得到定量結(jié)構(gòu)活性關(guān)系模型。
基團(tuán)貢獻(xiàn)法是Free-Wilson 在對(duì)有機(jī)物亞結(jié)構(gòu)信息和生物毒性的相關(guān)研究基礎(chǔ)上建立的一種方法。
這種模式認(rèn)為有機(jī)物與受體間的毒性效應(yīng)是該有機(jī)物特定位置上不同取代基團(tuán)毒性貢獻(xiàn)的加和。
Free-Wilson 法僅適用于具有相同母體結(jié)構(gòu)的有機(jī)物,常被用來對(duì)有機(jī)物進(jìn)行毒性初評(píng)。
分子連接性指數(shù)法(Molecular connective index ,MCI) 是由Kier 和Hall 提出的。
它是根據(jù)分子中各個(gè)骨架原子排列或相連接的方式來描述分子的結(jié)構(gòu)性質(zhì)。
MCI 是一種拓?fù)鋵W(xué)參數(shù),有零階項(xiàng)(0Xv )、易階項(xiàng)(1Xv )、二階項(xiàng)(2Xv ) 等等，可以根據(jù)分子的結(jié)構(gòu)式和原子的點(diǎn)價(jià)(δ) 計(jì)算得到,與有機(jī)物的毒性數(shù)據(jù)有較好的相關(guān)性。
MCI 能較強(qiáng)地反映分子的立體結(jié)構(gòu),但反映子電子結(jié)構(gòu)的能力較弱,因此缺乏明確的物理意義,但由于其具有方便、簡(jiǎn)單且不依賴于實(shí)驗(yàn)等優(yōu)點(diǎn),近年來得到廣泛應(yīng)用和發(fā)展[4～8]。
2、三維定量結(jié)構(gòu)活性關(guān)系方法(3D-QSAR)隨著結(jié)構(gòu)活性關(guān)系理論和統(tǒng)計(jì)方法的進(jìn)一步發(fā)展,20 世紀(jì)80 年代,三維結(jié)構(gòu)信息被陸續(xù)引入到定量結(jié)構(gòu)活性關(guān)系研究中, 即3D-QSAR。
與2D-QSAR 比較,3D-QSAR 方法在物理化學(xué)上的意義更為明確,能間接反映藥物分子和靶點(diǎn)之間的非鍵相互作用特征。
因此,近十多年來3D - QSAR 方法得到了迅速的發(fā)展和廣泛的應(yīng)用，研究方法也很多[9] ,比如分子形狀分(molecular shape analysis ,MSA) ，距離幾何方法( distance geometry , DG ,比較分子力場(chǎng)分析(comparative molecular field analysis ,CoMFA) ,比較分子相似因子分析( comparative molecular similarityindices analysi CoMSIA) 以及虛擬受體( phesudo receptor) 等方法。
其中應(yīng)用最為廣泛的CoMFA 方法。
3、隨著技術(shù)的發(fā)展和生產(chǎn)技術(shù)的進(jìn)步，又出現(xiàn)了一些先進(jìn)的方法來構(gòu)建QSAR模型，都具有很好的預(yù)測(cè)能力。
其中又以啟發(fā)發(fā)(heuristic method,簡(jiǎn)稱HM)，支持向量機(jī)(Support Vector Machine，簡(jiǎn)稱SVM)，基因表達(dá)式編程(Gene Expression Programming,簡(jiǎn)稱GEP)比較常見。
支持向量機(jī)(Support Vector Machine)是Vapnik[10]等人根據(jù)統(tǒng)計(jì)學(xué)理論提出的一種新的通用學(xué)習(xí)方法，它是建立在統(tǒng)計(jì)學(xué)理論的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理基礎(chǔ)上的，能較好地解決小樣本、非線性、高維數(shù)等實(shí)際問題[11-12]，已成功地應(yīng)用于分類、函數(shù)逼近和時(shí)間序列預(yù)測(cè)等方面[13-15];基因表達(dá)式編程(GEP)是基于生物學(xué)遺傳思想，保持了生物學(xué)的特性，具有良好的結(jié)果重現(xiàn)性，同時(shí)也能夠進(jìn)行“遺傳變異”控制，最終能獲得可靠的實(shí)驗(yàn)效果。
三、主要研究?jī)?nèi)容
1、查閱中外文文獻(xiàn)選取數(shù)據(jù)來源。
2、理化參數(shù)與結(jié)構(gòu)參數(shù)的計(jì)算。
3、具體的結(jié)構(gòu)參數(shù)的分析。
4、SVM與GEP的方法研究。
5、定量結(jié)構(gòu)關(guān)系式的建立。
6、定量結(jié)構(gòu)關(guān)系式的驗(yàn)證。
7、得出結(jié)論和總結(jié)。
四、論文工作計(jì)劃
3月中旬—4月初：選題。
4月初—4月底：查閱資料，熟悉實(shí)驗(yàn)原理及方法，準(zhǔn)備開題報(bào)告。
5月10日： 開題。
5月初日—5月底日：進(jìn)行畢業(yè)設(shè)計(jì)實(shí)驗(yàn)，記錄數(shù)據(jù)，撰寫論文。
6月初日—6月中旬日：進(jìn)行畢業(yè)論文答辯。
五、參考文獻(xiàn)
[1] 任華益. 中華綜合臨床醫(yī)學(xué)雜志(山東) , 2005, 7(2): 28 -33.
[2] 徐娟，王林編譯. 計(jì)算機(jī)輔助藥物設(shè)計(jì)中的QSAR和QSMR研究. 國(guó)外醫(yī)學(xué)•藥學(xué)分冊(cè), 2003, 30(3): 135-138.
[3] 郭宗儒. 藥物化學(xué)總論. 北京:中國(guó)醫(yī)藥科技出版社, 1994. 108.
[4] Bakulh H Rao, Shyam R, Asolekar. QSAR models to predict effect of ionic strength on sorption of chlorinated benzenes and phenols at sediment-water interface. Water Research, 200l, 35(14): 3391-3401.
[5] 馮長(zhǎng)君, 堵錫華, 唐自強(qiáng). 取代芳烴對(duì)發(fā)光菌、大型蚤、呆鰷魚急性毒性的QSAR研究. 應(yīng)用化學(xué), 2002, 19(11): 1037 -1042.
[6]秦正龍, 馮長(zhǎng)君. 取代苯酚的定量結(jié)構(gòu)-活性P性質(zhì)相關(guān)性研究. 有機(jī)化學(xué), 2003, 23(7): 654-658.
[7] 堵錫華. 取代芳香族化合物生物活性的拓?fù)鋵W(xué) . 南昌大學(xué)學(xué)報(bào)(理學(xué)版), 2005, 29(2): 155-160.
[8] Aleksandar Sablji C. QSAR models for estimating properties of persistent organic pollutants required in evaluation of their environmental fate and risk. Chemosphere, 2001, 43(3): 363 -375.
[9] 徐筱杰, 侯廷軍，喬學(xué)斌，章威. 計(jì)算機(jī)輔助藥物分子設(shè)計(jì). 北京: 化學(xué)工業(yè)出版社, 2004.
[10] Vapnik VN.The Nature of Statistical Learning Theory.
NY: Springer-Verlag,1995.
[11] 閻輝，張學(xué)工，李衍達(dá). 應(yīng)用SVM方法進(jìn)行沉淀微相識(shí)別.物探化探計(jì)算技術(shù), 2000, (2): 158 -164.
[12] 張學(xué)工. 關(guān)于統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī). 自動(dòng)化學(xué)報(bào), 2000, (1): 32 -42.
[13] Vapnik V, Golowich S, Smola A. Supportvector method for function approximation, regression estimation, and signal processing. In: Mozer M, Jordan M, Petsche Teds. Neural Information Processing System, MIT Press, 1997-09.
[14]馬云潛，張學(xué)工. 支持向量機(jī)函數(shù)擬合在分形插值中的應(yīng)用.清華大學(xué)學(xué)報(bào)(自然科學(xué)版) , 2000, (3): 76- 78.
[15] Muller K-R, Smola A J, Ratsch G . Predicting time series with support vector machines. In:Proc of ICANN 97, Springer Lecture Notes In Computer Science, 1997: 999-1005.
【大學(xué)生論文格式】相關(guān)文章：
大學(xué)生語文論文格式范文10-01
大學(xué)生語文論文格式論文11-17
大學(xué)生心理論文格式范文10-01
論文格式11-16
論文格式10-08
大學(xué)生社會(huì)實(shí)踐論文格式10-06
mba論文格式10-01
學(xué)年論文格式11-13
法學(xué)論文格式10-01