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

QSAR分子描述符建模与药物靶点筛选

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
QSAR概述与发展史
QSAR的定义 · 发展历程 · 经典QSAR方法
QSAR发展史
02
QSAR基本原理与建模流程
定量构效关系的基本假设 · 建模流程（数据准备→描述符计算→模型…
QSAR基本原理
03
分子描述符概念与分类
结构描述符 · 理化性质描述符 · 拓扑描述符
分子描述符概念分类
04
分子描述符计算实践
使用RDKit计算2D描述符 · 使用PyBioMed计算多种描述符 · 描述符标准化
分子描述符计算实…RDKit
05
分子指纹
MACCS密钥 · ECFP（FCFP）指纹 · 子结构指纹
分子指纹MACCS
06
分子相似性与聚类分析
相似性度量（欧氏距离 · Tanimoto） · 层次聚类
分子相似性聚类分析
07
数据集构建与数据预处理
数据来源（ChEMBL · PubChem · BindingDB）
数据集构建数据预处理
08
特征选择方法
过滤式（方差阈值 · 互信息） · 包裹式（递归特征消除）
特征选择方法过滤式
09
数据划分策略
留出法 · 交叉验证法（K折 · 留一法）
数据划分策略留出法
10
经典线性方法
Hansch分析与Free-Wils… · 线性回归假设 · 参数意义
经典线性方法Hansch
11
多元线性回归（MLR）
模型原理 · 最小二乘法 · 多重共线性诊断（VIF）
MLR多元线性回归
12
主成分分析（PCA）与偏最小二乘（PLS）
降维思想 · PCA在QSAR中的应用 · PLS处理多重共线性
PCAPLS
13
决策树与随机森林
决策树构建 · 剪枝 · 随机森林集成学习
决策树随机森林
14
支持向量机（SVM）
核函数选择 · 参数调优（C · gamma）
SVM支持向量机
15
人工神经网络（ANN）基础
感知机 · 多层前馈网络 · 激活函数
ANN人工神经网络
16
深度学习在QSAR中的实践
深度神经网络（DNN） · 图神经网络（GNN） · 消息传递机制
QSAR深度学习
17
模型评估指标
回归指标（R² · RMSE · MAE）
模型评估指标回归指标
18
交叉验证深入
K折交叉验证 · 留一法交叉验证（LOO） · 外部验证
交叉验证深入K折交叉验证
19
模型过拟合与正则化
过拟合识别 · L1/L2正则化 · Dropout
模型过拟合正则化
20
模型可解释性
SHAP值 · LIME局部解释 · 特征重要性可视化
模型可解释性SHAP
21
靶点筛选策略与流程
靶点确认 · 活性阈值设定 · 筛选流程（虚拟筛选→实验验证）
靶点筛选策略流程
22
基于QSAR的虚拟筛选
构建分类/回归模型 · 化合物库枚举 · 打分与排序
QSAR基于
23
分子对接与QSAR结合
对接评分与QSAR预测融合 · 一致性打分 · 提升筛选命中率
QSAR分子对接
24
ADMET预测与成药性评估
吸收 · 分布 · 代谢
ADMET预测
25
多目标建模与多任务学习
同时预测多个活性/毒性终点 · 多任务神经网络 · 权重策略
多目标建模多任务学习
26
模型部署与自动化流程
模型导出（ONNX · PMML） · 搭建Web服务（Flask/Fast…
模型部署自动化流程
27
QSAR软件工具概览
商业软件（MOE · Schrödinger · Sybyl）
QSAR软件工具概览
28
案例分析
激酶抑制剂QSAR建模：数据收集 · 描述符计算 · 模型构建
案例分析QSAR
29
案例实践
GPCR靶点筛选 · 构建分类模型 · 用于虚拟筛选
案例实践GPCR
30
课程总结与前沿进展
迁移学习 · Transformer应用于分子表示 · 自动机器学习（AutoQSAR）
课程总结前沿进展