VIP20

本课程属于：014-ADMET性质预测模型 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

不平衡数据下的ADMET深度学习建模

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

ADMET与药物研发 · 不平衡数据带来的挑战 · 深度学习为何能破局

课程导览ADMET

Python · PyTorch与RDKit安装 · 虚拟环境配置

环境搭建Python

吸收 · 分布 · 代谢

公开数据集

Tox21 · ClinTox · SIDER

公开数据集Tox21

SMILES · 分子指纹（Morgan · MACCS）

分子表示SMILES

从分子描述符到数值特征 · 标准化与归一化技巧

特征工程从分子描述符到数…

不平衡问题

类别不平衡的定义 · 为什么ADMET中普遍存在不平衡

不平衡问题类别不平衡的定义

重采样方法

随机过采样 · SMOTE · ADASYN

重采样方法随机过采样

欠采样与组合

Tomek Links · NearMiss · EasyEnsemble

欠采样组合

成本敏感学习

加权损失函数 · Focal Loss · PyTorch实现与调参

成本敏感学习加权损失函数

基础分类器

逻辑回归 · 随机森林 · XGBoost在ADMET上的表现与…

基础分类器逻辑回归

全连接网络

用PyTorch搭建MLP · 处理分子指纹输入 · 二分类任务

全连接网络PyTorch

图神经网络（GNN）入门

消息传递机制 · GCN与GIN架构

GNN图神经网络

分子图构建

RDKit将SMILES转为图对象 · DGL/PyG数据加载

分子图构建RDKit

基于PyTorch Geometri… · 训练与评估

注意力机制

GAT · AttentiveFP · 让模型关注关键分子结构

注意力机制GAT

使用Transformer/SMIL… · 预训练与微调

序列模型Transformer/…

多任务学习

同时预测多个ADMET端点 · 共享表示与任务特定头

多任务学习ADMET

准确率 · 精确率 · 召回率

评价指标准确率

模型可解释性

Grad-CAM · SHAP · GNNExplainer

模型可解释性Grad-CAM

交叉验证与超参优化

分层K折 · 贝叶斯优化 · 网格搜索实战

交叉验证超参优化

正负样本权重

在Focal Loss中调节alph… · 自定义损失函数

正负样本权重Focal

Bagging · Boosting · Stacking

集成学习Bagging

分子扰动 · SMILES枚举 · 对抗训练

数据增强分子扰动

贝叶斯深度学习

不确定度量化 · 处理误分类风险

贝叶斯深度学习不确定度量化

从PubChem预训练模型迁移到自建… · 减少标注需求

迁移学习PubChem

ONNX导出 · Docker封装 · Flask API搭建

模型部署ONNX

构建Tox21毒性预测系统（不平衡比… · 全程代码

案例实战1Tox21

Caco-2渗透性回归与二元分类 · 处理连续不平衡

案例实战2Caco-2

总结与进阶

最新前沿（Graph Multise… · Equiformer） · 持续学习方法与资源清单