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

基于Transformer的ADMET分子表示学习

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
ADMET概述与分子表示学习基础
ADMET在药物研发中的重要性 · 分子表示学习的基本概念
ADMET分子表示学习基础
02
Transformer架构回顾
自注意力机制 · 多头注意力 · 位置编码
Transformer架构回顾
03
分子序列表示
SMILES · SELFIES · InChI等字符串表示
分子序列表示SMILES
04
分子图表示
分子图结构 · 原子特征 · 键特征
分子图表示分子图结构
05
分子指纹与描述符
传统分子指纹（ECFP · MACCS）和量子化学描述符
分子指纹描述符
06
自注意力机制详解
缩放点积注意力 · 因果掩码 · 填充掩码
自注意力机制详解缩放点积注意力
07
多头注意力与残差连接
多头注意力的计算流程 · 残差连接和层归一化
多头注意力残差连接
08
位置编码
正弦余弦位置编码 · 可学习位置编码 · 相对位置编码
位置编码正弦余弦位置编码
09
Transformer编码器
堆叠编码器层 · 前馈神经网络 · Dropout
Transformer编码器
10
Transformer解码器
掩码自注意力 · 交叉注意力 · 生成序列
Transformer解码器
11
基于Transformer的分子序列模型
Text-Chem · ChemBERTa等模型架构
Transformer基于
12
分子BERT预训练
掩码语言建模 · 下一句预测 · 分子级预训练任务
BERT分子
13
分子属性预测微调
回归/分类头设计 · 分子数据集划分
分子属性预测微调回归
14
图Transformer（Graph Transformer）
图结构中的自注意力 · 位置编码在图上的拓展
TransformerGraph
15
分子图Transformer模型
GROVER · Graphormer · GPS++等
Transformer分子图
16
等变Transformer与3D分子表示
三维坐标 · SE(3)等变注意力 · TorchMD-Net
Transformer等变
17
分子生成与逆合成
Transformer在分子生成中的… · BART）
分子生成逆合成
18
条件分子生成
基于ADMET属性条件控制生成（如P…
条件分子生成ADMET
19
分子对比学习
SimCLR · MoCo等对比学习在分子表示中的应用
分子对比学习SimCLR
20
多模态分子表示
融合文本描述 · 图像 · 图谱等信息的Transformer
多模态分子表示融合文本描述
21
分子预训练模型汇总
MolBERT · MoleculeNet上的性能对比
分子预训练模型汇…MolBERT
22
分子Transformer的注意力可视化
分析分子中原子间关系 · 解释性
Transformer分子
23
数据增强与分子数据增强技术
随机SMILES · 图扰动 · 增强预训练
数据增强分子数据增强技术
24
分子数据集构建与预处理
ChEMBL · ZINC · PubChem等标准化流程
分子数据集构建预处理
25
模型评估与验证
交叉验证 · 外部测试集 · ADMET预测指标的解读
模型评估验证
26
分子表示学习中的过拟合与正则化
权重衰减 · Dropout · 数据增强
分子表示学习过拟合
27
Transformer在药物相互作用预测中的应用
DDI预测 · 协同作用
Transformer药物相互作用预测
28
分子表示学习与迁移学习
从大规模预训练到特定ADMET任务
分子表示学习迁移学习
29
分子表示学习的下游任务
毒性预测 · 溶解度预测 · 代谢预测等具体案例
分子表示学习的下…毒性预测
30
前沿进展与未来方向
Mamba · 线性注意力 · 扩散模型与分子表示融合
前沿进展未来方向