VIP10
本课程属于：027-ADMETQSAR与分子图学习工程 生命科学与数字医疗 · 共 10 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

蛋白配体图网络建模工程

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入与工程全景
目标=蛋白配体图网络建模的定义 · 核心问题 · 典型应用场景
课程导入工程全景
02
蛋白与配体数据获取
目标=从PDB · UniProt · ChEMBL
蛋白配体数据获取
03
蛋白结构解析与预处理
目标=解析PDB文件 · 识别结合位点 · 处理缺失残基
蛋白结构解析预处理
04
配体结构解析与标准化
目标=读取SDF · MOL2 · SMILES
配体结构解析标准化
05
图表示基础
目标=节点 · 边 · 邻接矩阵
图表示基础目标=节点
06
蛋白图构建工程
目标=以残基为节点 · 空间距离或序列邻近为边 · 设计节点特征（氨基酸类型
蛋白图构建工程目标=以残基为节…
07
配体图构建工程
目标=以原子为节点 · 化学键为边 · 设计节点特征（元素
配体图构建工程目标=以原子为节…
08
蛋白-配体复合物图构建
目标=设计跨分子边（距离阈值 · 相互作用类型） · 节点对齐与异构图模式
蛋白配体复合物图构建
09
图数据管道与PyTorch Geometric实战
目标=使用Dataset · DataLoader · collate_fn构建可复用的蛋白…
PyTorchGeometric
10
图神经网络基础
目标=消息传递框架 · GCN · GAT
图神经网络基础目标=消息传递框…
11
蛋白图编码器设计
目标=针对残基图的GNN架构选择 · 感受野控制 · 池化策略与预训练特征融合
蛋白图编码器设计GNN
12
配体图编码器设计
目标=原子级GNN · 化学键消息传递 · 官能团感知与分子指纹对比
配体图编码器设计GNN
13
跨分子交互建模
目标=双流GNN · 异构图注意力 · 边更新机制与交互层设计
跨分子交互建模GNN
14
三维几何感知图网络
目标=引入距离 · 角度 · 二面角
三维几何感知图网…目标=引入距离
15
图池化与读出
目标=全局池化 · 层次池化 · 注意力池化
图池化读出
16
亲和力预测任务实战
目标=构建回归模型 · 损失函数选择 · 评估指标（RMSE
力预测任务实战目标=构建回归模…
17
结合位点预测任务实战
目标=节点分类或子图分割 · 类别不平衡处理 · 评价指标与可视化解释
结合位点预测任务…目标=节点分类或…
18
虚拟筛选任务实战
目标=构建二分类或排序模型 · 富集因子评价 · 与分子对接和指纹方法的对比
虚拟筛选任务实战目标=构建二分类…
19
图网络训练工程
目标=数据划分策略（骨架拆分 · 时间拆分） · 批归一化
图网络训练工程目标=数据划分策…
20
模型可解释性
目标=GNNExplainer · 注意力权重 · 积分梯度
模型可解释性GNNExplainer
21
图数据增强与自监督学习
目标=节点掩码 · 边扰动 · 对比学习
图数据增强自监督学习
22
迁移学习与少样本场景
目标=从大规模蛋白图预训练到特定靶点… · 元学习与冷启动策略
迁移学习少样本场景
23
生成式图模型入门
目标=用于配体生成的VAE · GAN · 扩散模型与强化学习在图结构上的实现要…
生成式图模型入门VAE
24
蛋白配体图网络的高效实现
目标=稀疏矩阵 · 邻居采样 · 混合精度
蛋白配体图网络的…目标=稀疏矩阵
25
模型部署与推理优化
目标=ONNX导出 · TensorRT · 批处理推理
模型部署推理优化
26
端到端项目实战一
目标=从数据到模型——构建激酶抑制剂…
端到端项目实战一目标=从数据到模…
27
端到端项目实战二
目标=从模型到应用——构建突变感知的…
端到端项目实战二目标=从模型到应…
28
工程化与可复现性
目标=代码结构 · 配置管理 · 实验跟踪
工程化可复现性
29
常见陷阱与调试
目标=数据泄漏 · 图构建错误 · 过平滑
常见陷阱调试
30
前沿进展与课程总结
目标=最新图网络架构 · 多模态融合 · 大模型时代下的蛋白配体图建模与未来方…
前沿进展课程总结