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预测异常数据检测与图模型修复

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
ADME/T定义 · 新药研发中的重要性 · 传统实验方法与计算模型对比
ADMETADME/T
02
ADMET预测基础
分子描述符 · 指纹图谱 · QSAR模型基本原理
ADMET预测基础
03
常用ADMET预测工具
SwissADME · ADMETLab · admetSAR等平台介绍与使用
ADMET常用
04
分子表示方法
SMILES · InChI · SELFIES
分子表示方法SMILES
05
图神经网络入门
图的基本概念 · GCN · GAT
图神经网络入门图的基本概念
06
分子图构建
从SMILES到图结构 · 原子特征与键特征编码
分子图构建SMILES
07
图神经网络在ADMET预测中的应用
已有模型（GraphDTA · AttentiveFP）回顾
ADMET图神经网络
08
数据预处理与特征工程
分子数据库（ChEMBL · PubChem）获取 · 数据清洗
数据预处理特征工程
09
模型训练与评估
训练/验证/测试集划分 · 交叉验证 · 回归与分类指标（RMSE
模型训练评估
10
数据不平衡处理
过采样 · 欠采样 · 加权损失函数在ADMET数据中的应用
数据不平衡处理过采样
11
异常检测基础
异常值定义 · 离群点类型（全局 · 局部
异常检测基础异常值定义
12
统计异常检测方法
Z-score · IQR · Grubbs检验在ADMET预测误差…
统计异常检测方法Z-score
13
基于密度的方法
LOF（局部异常因子） · DBSCAN用于分子特征异常发现
基于密度的方法LOF
14
基于集成的方法
孤立森林 · 随机森林异常检测在预测残差分析中的应…
基于集成的方法孤立森林
15
深度学习异常检测
自编码器重建误差 · VAE · GAN异常检测在分子性质预测中的应用
深度学习异常检测自编码器重建误差
16
图结构数据中的异常检测
节点异常 · 边异常 · 子图异常的定义与识别方法
图结构数据异常检测
17
图神经网络的对抗鲁棒性
对抗样本生成 · 图结构扰动对ADMET预测的影响
图神经网络的对抗…对抗样本生成
18
预测不确定性量化
贝叶斯神经网络 · 蒙特卡洛dropout · 置信区间估计
预测不确定性量化贝叶斯神经网络
19
图谱纠错基本概念
分子图错误类型（原子错标 · 键序错误 · 立体化学）
图谱纠错基本概念分子图错误类型
20
基于规则的图谱纠错
化合价检查 · 芳香性校正 · RDKit与OpenBabel的纠错…
基于规则的图谱纠…化合价检查
21
基于机器学习图谱纠错
图自编码器重构 · 图去噪模型（GraphEDM）
基于机器学习图谱…图自编码器重构
22
图结构修复的生成模型
条件图变分自编码器 · 图扩散模型用于分子图修正
图结构修复的生成…条件图变分自编码…
23
多模态数据融合纠错
结合SMILES · 谱图（NMR · MS）与图结构进行一致性校验
多模态数据融合纠…SMILES
24
异常检测与纠错的联合框架
两阶段流水线（检测→纠错） · 端到端联合模型
异常检测纠错的联合框架
25
主动学习在纠错中的应用
不确定性采样 · 人工审核策略 · 标签效率提升
主动学习纠错
26
案例分析1
ADMET预测中吸收性质（Caco-… · LogP）的异常检测与图谱纠错
案例分析1ADMET
27
案例分析2
代谢稳定性预测中代谢位点标注错误检测…
案例分析2代谢稳定性预测
28
案例分析3
毒性预测（hERG · AMES）中异常样本的识别与分子图修…
案例分析3hERG
29
大规模筛选中的异常处理
批量检测 · 多任务模型 · 分布式纠错管线
大规模筛选异常处理
30
未来趋势
自监督学习 · 大语言模型辅助 · 可解释性诊断与自动纠错平台
未来趋势自监督学习