VIP20
本课程属于：005-AI药物发现靶点筛选 生物信息学与 AI 制药工程 · 共 20 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

图神经网络QSAR分子建模与模型部署

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
图神经网络与QSAR概述
背景 · 意义 · 课程目标
QSAR图神经网络
02
图神经网络基础
图的概念 · 节点 · 边
图神经网络基础图的概念
03
消息传递机制与图卷积网络（GCN）
消息传递机制与图卷积网络（GCN） · 核心概念 · 实践要点
GCN消息传递机制
04
图注意力网络（GAT）原理
图注意力网络（GAT）原理 · 核心概念 · 实践要点
GAT图注意力网络
05
图同构网络（GIN）与WL测试
图同构网络（GIN）与WL测试 · 核心概念 · 实践要点
GINWL
06
图神经网络的可解释性方法
图神经网络的可解释性方法 · 核心概念 · 实践要点
图神经网络的可解…重点
07
QSAR基本概念
分子描述符 · 生物活性 · 数据集
QSAR基本概念
08
分子图表示
从SMILES到图结构
分子图表示SMILES
09
RDKit分子处理
分子读取 · 可视化 · 特征提取
RDKit分子处理
10
分子图特征工程
原子类型 · 键类型 · 全局特征
分子图特征工程原子类型
11
图神经网络的输入数据准备
PyTorch Geometric…
图神经网络的输入…PyTorch
12
自定义分子数据集类
继承InMemoryDataset
自定义分子数据集…InMemoryData…
13
图神经网络的批处理与数据加载器
图神经网络的批处理与数据加载器 · 核心概念 · 实践要点
图神经网络的批处…数据加载器
14
构建GCN模型用于QSAR预测
回归与分类
GCNQSAR
15
构建GAT模型用于QSAR预测
构建GAT模型用于QSAR预测 · 核心概念 · 实践要点
GATQSAR
16
构建GIN模型用于QSAR预测
构建GIN模型用于QSAR预测 · 核心概念 · 实践要点
GINQSAR
17
图神经网络的训练循环
损失函数 · 优化器 · 早停
图神经网络的训练…损失函数
18
模型评估指标
R² · RMSE · AUC-ROC等
模型评估指标R²
19
交叉验证与超参数调优
交叉验证与超参数调优 · 核心概念 · 实践要点
交叉验证超参数调优
20
图神经网络的过拟合与正则化
Dropout · BatchNorm · 残差连接
图神经网络的过拟…正则化
21
分子图增强技术
随机扰动 · 子图采样
分子图增强技术随机扰动
22
预训练图神经网络
自监督学习（GraphCL · InfoGraph）
预训练图神经网络GraphCL
23
迁移学习在QSAR中的应用
微调预训练模型
QSAR迁移学习
24
多任务学习
同时预测多个生物活性
多任务学习同时预测多个生物…
25
图神经网络的可解释性在QSAR中的应用
GNNExplainer · 集成梯度
QSAR图神经网络的可解…
26
基于分子图的注意力权重分析
找出关键原子/基团
基于分子图的注意…找出关键原子
27
模型部署与推理
导出ONNX · 使用服务
模型部署推理
28
综合案例1
毒性预测（Tox21）实战
综合案例1Tox21
29
综合案例2
药物-靶标结合亲和力预测（PDBbi…
综合案例2PDBbi
30
图神经网络QSAR实践总结与未来展望
图神经网络QSAR实践总结与未来展望 · 核心概念 · 实践要点
QSAR图神经网络