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吸收性质深度学习建模实战

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吸收性质概述
药物吸收与ADMET
ADMET吸收性质概述
02
深度学习基础回顾
神经网络 · 激活函数 · 损失函数
深度学习基础回顾神经网络
03
ADMET数据资源
PubChem · ChEMBL · ADMETlab介绍
ADMET数据资源
04
分子结构表示
SMILES与Canonical S…
分子结构表示SMILES
05
分子描述符计算
RDKit与Mordred
分子描述符计算RDKit
06
分子指纹
ECFP · MACCS · FP2
分子指纹ECFP
07
分子图表示
原子与键特征
分子图表示原子
08
数据预处理
标准化 · 缺失值处理 · 异常检测
数据预处理标准化
09
数据拆分
训练集 · 验证集 · 测试集
数据拆分训练集
10
交叉验证策略
分层K折 · 按分子骨架拆分
交叉验证策略分层K折
11
多任务学习
同时预测多个ADMET性质
多任务学习ADMET
12
过拟合与正则化
Dropout · Batch Normalizatio… · Weight Decay
过拟合正则化
13
全连接网络模型
MLP用于ADMET分类与回归
全连接网络模型MLP
14
图神经网络基础
消息传递机制
图神经网络基础消息传递机制
15
GIN模型实现
使用PyTorch Geometri…
GIN模型实现
16
注意力机制
GAT模型
注意力机制GAT
17
序列模型
一维CNN与CNN+Attentio…
序列模型CNN
18
Transformer用于分子表示
Transformer用于分子表示 · 核心概念 · 实践要点
Transformer用于分子表示
19
混合模型
指纹+图特征融合
混合模型指纹+图特征融合
20
模型评估指标
AUC · MSE · R²
模型评估指标AUC
21
模型可解释性
SHAP · Grad-CAM · 注意力权重可视化
模型可解释性SHAP
22
不确定性量化
贝叶斯神经网络与不确定性估计
不确定性量化贝叶斯神经网络
23
模型部署
ONNX导出与Flask API
模型部署ONNX
24
超参数优化
Optuna自动调参
超参数优化Optuna
25
迁移学习
预训练模型微调
迁移学习预训练模型微调
26
主动学习
高效筛选未标记分子
主动学习高效筛选未标记分…
27
案例实战1
Caco-2渗透性预测
案例实战1Caco-2
28
案例实战2
口服生物利用度预测
案例实战2口服生物利用度预…
29
案例实战3
人类肠道吸收预测
案例实战3人类肠道吸收预测
30
课程总结与未来展望
联邦学习 · 生成式模型在ADMET中的应用
课程总结未来展望