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靶点筛选与模型训练

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
课程导论
图神经网络（GNN）在药物发现中的角… · QSAR概述 · 靶点筛选的现实意义
课程导论GNN
02
基础回顾（一）
分子结构与图表示 · 分子图构建的基本概念 · 原子与键的特征编码
基础回顾分子结构
03
基础回顾（二）
经典图神经网络入门——图卷积网络（G…
基础回顾经典图神经网络入…
04
基础回顾（三）
图注意力网络（GAT）与 Graph…
基础回顾GAT
05
分子指纹与特征工程
传统分子描述符（ECFP · MACCS） vs 图嵌入表示
分子指纹特征工程
06
QSAR基础
定量构效关系建模流程 · 数据集准备（ChEMBL · PubChem）
QSAR定量构效关系建模…
07
分子数据处理
RDKit 库入门 · SMILES解析 · 标准化与清洗
分子数据处理RDKit
08
模型构建（一）
基于 PyTorch Geometr…
模型构建PyTorch
09
模型构建（二）
使用 DGL 实现 GAT 用于活性…
模型构建DGL
10
训练与验证
数据集划分 · 损失函数选择（MSE/CrossEn… · 评价指标（RMSE
训练验证
11
超参数调优
学习率 · 隐藏层维度 · dropout
超参数调优学习率
12
正则化与过拟合防治
早停 · 权重衰减 · 批归一化在图数据上的应用
正则化过拟合防治
13
注意力机制深入
分子中的子结构识别——GAT 为什么…
注意力机制深入GAT
14
图池化层
全局池化 vs 分层池化（SortP… · DiffPool）在分子性质预测中的…
图池化层vs
15
边特征与距离信息
在分子图中加入键类型 · 键长 · 是否成环等边特征
边特征距离信息
16
多任务学习
同时预测多个靶点活性 · 毒性 · ADME 属性
多任务学习同时预测多个靶点…
17
迁移学习与预训练
使用 GNN 预训练模型（如 GRO… · MolCLR）提升小样本靶点预测
迁移学习预训练
18
靶点筛选案例（一）
数据获取——从 ChEMBL 下载靶…
靶点筛选案例ChEMBL
19
靶点筛选案例（二）
数据预处理——去重 · 归一化 · 处理不平衡细胞系数据
靶点筛选案例数据预处理
20
靶点筛选案例（三）
搭建双阶段筛选流水线——分类器（活性…
靶点筛选案例搭建双阶段筛选流…
21
靶点筛选案例（四）
模型可解释性——使用 GNNExpl…
靶点筛选案例GNNExpl
22
靶点筛选案例（五）
虚拟筛选——对超大规模化合物库进行快…
靶点筛选案例虚拟筛选
23
混合模型
GNN + 分子指纹 + 描述符的融…
混合模型GNN
24
不确定性估计
在预测结果中提供置信度 · 避免高风险的假阳性
不确定性估计预测结果
25
部署与工程化
模型导出（ONNX/TorchScr… · Docker 打包 · REST API 设计
部署工程化
26
评估与复盘
案例分析——某激酶靶点筛选的真实项目… · 我踩过的坑
评估复盘
27
文献解读
近三年顶会（NeurIPS · ICML · AAAI）上 GNN‑QSAR 的创…
文献解读NeurIPS
28
开源工具与数据集
PyTorch Geometric · DGL-LifeSci · MoleculeNet
开源工具数据集
29
常见错误与避坑指南
分子图构造错误 · 数据泄漏 · 特征标准化陷阱
常见错误避坑指南
30
课程总结与展望
GNN 在药物发现中的未来趋势（几何… · 动态分子 · 多模态）
课程总结GNN