VIP20
本课程属于：027-AI药物发现批次质控 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

GNN药物数据批次效应检测与可视化

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
药物批次效应概述
什么是批次效应 · 为何影响药物分析 · 常见产生原因
药物批次效应概述什么是批次效应
02
图神经网络核心概念
图的数据结构 · 节点与边 · 邻接矩阵
图神经网络核心概…图的数据结构
03
药物数据图构建
从化学结构到分子图 · 从细胞表达谱到相似性图 · 多模态图构建方法
药物数据图构建从化学结构到分子…
04
节点特征工程
原子特征 · 化学键特征 · 基因表达特征
节点特征工程原子特征
05
图卷积网络（GCN）
GCN的数学原理 · 一阶近似 · 消息传递实现
GCN图卷积网络
06
图注意力网络（GAT）
注意力机制融入图神经网络 · 多头注意力 · GAT在药物数据中的优势
GAT图注意力网络
07
图同构网络（GIN）
Weisfeiler-Lehman测… · GIN的理论基础 · 区分能力的提升
GIN图同构网络
08
消息传递框架
MPNN的通用形式 · 消息函数与聚合函数 · 节点更新与读出层设计
消息传递框架MPNN
09
图池化层
全局池化（Mean · Sum · Max）
图池化层Mean
10
图分类与图回归
任务定义 · 损失函数设计 · 评估指标（AUROC
图分类图回归
11
常用药物数据集
GDSC · CCLE · CTRP
常用药物数据集GDSC
12
数据预处理
缺失值处理 · 批次归一化 · 对抗性数据增强
数据预处理缺失值处理
13
批次效应检测问题建模
二分类（是否存在批次效应） · 回归（效应强度） · 层次化标签设计
批次效应检测问题…二分类
14
监督学习方案
人工标注批次标签 · 图神经网络分类器训练 · 背景混淆的消除技巧
监督学习方案人工标注批次标签
15
无监督学习方案
聚类一致性检测 · 重建误差分析 · 基于密度的方法（如DeepSVDD）
无监督学习方案聚类一致性检测
16
对比学习在批次效应中的应用
SimCLR / MoCo / BY… · 正负样本构造 · 数据集级别的对比
对比学习批次效应
17
图自编码器（GAE）
编码器-解码器架构 · 邻接矩阵重构 · 节点属性重建
GAE图自编码器
18
变分图自编码器（VGAE）
概率隐空间建模 · KL散度约束 · 生成批次效应边界分布
VGAE变分图自编码器
19
图域自适应
领域对抗训练（DANN） · 最大均值差异（MMD） · CORAL对齐方法
图域自适应DANN
20
迁移学习与批次效应
预训练-微调策略 · 跨数据集迁移 · 零样本与少样本批次检测
迁移学习批次效应
21
模型评估指标
混淆矩阵 · ROC曲线 · PR曲线
模型评估指标混淆矩阵
22
交叉验证策略
留一批次交叉验证 · 分层交叉验证 · 时间序列交叉验证（考虑数据采集顺序）
交叉验证策略留一批次交叉验证
23
消融实验设计
去掉图结构 · 去掉某个特征 · 改变消息传递层数
消融实验设计去掉图结构
24
超参数调优
网格搜索 · 贝叶斯优化 · 学习率衰减
超参数调优网格搜索
25
可视化分析
t-SNE / UMAP嵌入可视化 · 批次标签分布热力图 · 注意力权重可视化
可视化分析t-SNE
26
案例实战
使用GDSC细胞系药物响应数据检测批… · 代码实现与结果解读
案例实战GDSC
27
案例实战
患者来源的异种移植（PDX）数据中批…
案例实战PDX
28
案例实战
多模态药物数据（基因表达+化学结构+…
案例实战多模态药物数据
29
PyG框架实战
图神经网络搭建 · 自定义数据集 · 训练与评估循环
PyG框架实战
30
总结与未来方向
当前方法的局限性 · 可解释性GNN · 动态图
未来方向当前方法的局限性