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

MoleculeNet分子图模型训练与推理

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
MoleculeNet简介与背景
介绍MoleculeNet数据集的来… · 包含的子数据集及常见任务类型
MoleculeNet简介
02
环境搭建
安装Python · PyTorch · DGL
环境搭建Python
03
分子表示基础
SMILES字符串 · 分子图 · 分子指纹的概念
分子表示基础SMILES
04
使用RDKit解析分子
读取SMILES · 计算分子描述符 · 可视化
RDKit使用
05
分子特征工程
MACCS指纹 · ECFP4 · 摩根指纹的生成
分子特征工程MACCS
06
图数据构建
将分子转化为节点和边的图表示
图数据构建将分子转化为节点
07
DGL图数据格式
使用DGL的Graph类存储分子图
DGL图数据格式
08
MoleculeNet数据集API
使用torch_geometric或…
MoleculeNetAPI
09
数据加载器
创建DataLoader进行批次训练
数据加载器DataLoader
10
数据预处理
标准化 · 填充 · 处理缺失值
数据预处理标准化
11
数据集划分
随机划分 · 基于scaffold的划分方法
数据集划分随机划分
12
分类任务实战
血脑屏障(BBBP)数据集
分类任务实战BBBP
13
回归任务实战
水溶解度(ESOL)数据集
回归任务实战ESOL
14
回归任务实战
水合自由能(FreeSolv)数据集
回归任务实战FreeSolv
15
多任务分类
临床毒性(ClinTox)数据集
多任务分类ClinTox
16
图卷积网络(GCN)原理
消息传递 · 邻居聚合
GCN图卷积网络
17
GCN层实现
用PyTorch自定义GCN层
GCN层实现
18
构建GCN模型
堆叠多层GCN进行分类
GCN构建
19
消息传递神经网络(MPNN)简介
EdgeNetwork · Set2Set
MPNN消息传递神经网络
20
图注意力网络(GAT)
注意力机制在多分子上的应用
GAT图注意力网络
21
图同构网络(GIN)
强大的图表示学习模型
GIN图同构网络
22
训练循环
损失函数 · 优化器 · 反向传播
训练循环损失函数
23
评估指标
AUC-ROC · RMSE · MAE的计算与解读
评估指标AUC-ROC
24
超参数调优
网格搜索 · 学习率调整 · 早停
超参数调优网格搜索
25
模型保存与加载
torch.save和torch.l…
模型保存加载
26
推理与预测
对新分子进行预测
推理预测
27
模型可解释性
分析注意力权重或梯度以理解预测
模型可解释性分析注意力权重或…
28
对比实验
比较GCN · GAT · GIN在MoleculeNet上的性…
对比实验GCN
29
结果可视化
绘制ROC曲线 · 学习曲线
结果可视化ROC
30
总结与展望
MoleculeNet的局限性及未来…
MoleculeNet的局限性