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

ADMET分子特征筛选与预测模型建模

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
01
ADMET概述
ADMET在药物研发中的重要性 · 常见ADMET性质 · 数据来源与数据库
ADMET药物研发
02
分子描述符基础
分子描述符定义 · 类型分类（0D-3D） · 常用描述符计算工具（RDKit
分子描述符基础分子描述符定义
03
RDKit安装与基础操作
RDKit环境配置 · 分子对象创建与操作 · SMILES与分子转换
RDKit安装
04
分子描述符计算实战
基于RDKit计算理化性质描述符（L… · MW · HBA
分子描述符计算实…RDKit
05
指纹描述符计算
MACCS指纹 · ECFP/FCFP · 拓扑指纹计算与可视化
指纹描述符计算MACCS
06
PaDEL-Descriptor使用
PaDEL安装与命令行调用 · 批量计算描述符 · 结果解析
PaDEL-Descri…使用
07
数据预处理
缺失值处理 · 异常值检测与处理 · 描述符标准化/归一化
数据预处理缺失值处理
08
特征工程基础
特征选择必要性 · 维度灾难 · 冗余与噪声特征
特征工程基础特征选择必要性
09
过滤法特征选择
方差阈值 · 相关系数 · 卡方检验
过滤法特征选择方差阈值
10
包装法特征选择
递归特征消除(RFE) · 前向/后向选择 · 基于模型选择
包装法特征选择RFE
11
嵌入法特征选择
L1正则化(Lasso) · 树模型特征重要性 · 随机森林特征排序
嵌入法特征选择L1
12
基于机器学习的特征选择
XGBoost/LightGBM特征… · Permutation Import…
基于机器学习的特…XGBoost/Ligh…
13
主成分分析(PCA)降维
PCA原理 · 方差解释率 · PCA特征提取实战
PCA主成分分析
14
t-SNE与UMAP降维
非线性降维方法 · 可视化高维描述符空间
t-SNEUMAP
15
特征选择综合策略
多方法融合 · 交叉验证特征选择 · 稳定性评估
特征选择综合策略多方法融合
16
ADMET分类问题建模
数据集划分 · 类别不平衡处理 · 常用分类模型（RF
ADMET分类问题建模
17
ADMET回归问题建模
回归模型（MLR · PLS · GPR）
ADMET回归问题建模
18
模型评估与验证
交叉验证 · 留一法 · 外部验证
模型评估验证
19
过拟合识别与解决
学习曲线 · 正则化 · 特征选择效果对比
过拟合识别解决
20
分子描述符筛选实战案例（一）
Ames致突变性预测 - 描述符计算…
分子描述符筛选实…Ames
21
分子描述符筛选实战案例（二）
Ames致突变性预测 - 特征选择与…
分子描述符筛选实…Ames
22
分子描述符筛选实战案例（三）
hERG毒性预测 - 数据收集与描述…
分子描述符筛选实…hERG
23
分子描述符筛选实战案例（四）
hERG毒性预测 - 特征选择与模型…
分子描述符筛选实…hERG
24
分子描述符筛选实战案例（五）
Caco-2渗透性预测 - 描述符选…
分子描述符筛选实…Caco-2
25
基于深度学习的特征学习
自编码器特征提取 · 图神经网络描述符
基于深度学习的特…自编码器特征提取
26
描述符重要性解释
SHAP值 · LIME局部解释 · 特征重要性可视化
描述符重要性解释SHAP
27
自动化特征选择流程构建
Pipeline搭建 · GridSearch调优 · 自动化脚本
自动化特征选择流…Pipeline
28
结果报告与可视化
特征重要性条形图 · 描述符相关性热图 · 模型性能对比表
结果报告可视化
29
最佳实践与常见坑
数据泄露 · 筛选偏差 · 描述符冗余
最佳实践常见坑
30
课程总结与展望
ADMET预测前沿 · 可解释AI · 未来趋势
课程总结ADMET