首页
›
生物信息学与 AI 制药工程
›
044-分子对接筛选特征学习任务
›
《分子对接参数调试与模型训练调优指南》
VIP20
本课程属于:044-分子对接筛选特征学习任务
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
分子对接参数调试与模型训练调优指南
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
分子对接概述
介绍分子对接的定义 · 应用领域及在药物发现中的重要性
分子对接概述
介绍分子对接的定…
02
分子对接基本原理
讲解锁钥模型 · 诱导契合理论 · 以及对接过程中的能量计算
分子对接基本原理
讲解锁钥模型
03
常用分子对接软件概览
对比AutoDock Vina · Glide · GOLD
常用分子对接软件…
AutoDock
04
分子对接参数总览
梳理影响对接结果的常见参数类别(搜索… · 打分函数 · 构象采样)
分子对接参数总览
梳理影响对接结果…
05
配体准备及格式转换
如何从SMILES · SDF · MOL2等格式准备配体文件
配体准备
格式转换
06
蛋白受体准备
去除水分子 · 加氢 · 修复侧链
蛋白受体准备
去除水分子
07
活性位点定义与网格生成
如何根据共晶配体或预测结合腔设置对接…
活性位点定义
网格生成
08
打分函数的基本原理
讲解基于力场 · 经验和机器学习打分函数的异同
打分函数的基本原…
讲解基于力场
09
AutoDock Vina参数详解
exhaustiveness · num_modes · energy_range等参数对结果…
AutoDock
Vina
10
Glide参数详解
scoring mode · sampling method · vdW scaling等参数含义与调…
Glide
参数详解
11
分子对接结果分析与可视化
使用PyMOL · Discovery Studio等工…
分子对接结果分析
可视化
12
对接参数优化策略概述
系统性调参方法论 · 从粗调到精调
对接参数优化策略…
系统性调参方法论
13
穷举度(exhaustiveness)对对接结果的影响
实验不同穷举度下的RMSD和排名稳定…
exhaustivene…
穷举度
14
结合位点大小对对接精度的影响
网格尺寸过大或过小时的假阳性/假阴性…
结合位点大小对对…
网格尺寸过大或过…
15
柔性侧链处理参数调优
如何选择需要柔性的残基以及旋转角度的…
柔性侧链处理参数…
如何选择需要柔性…
16
分子对接验证集构建
从PDBbind · COMPAS等数据库选择高质量复合物…
分子对接验证集构…
PDBbind
17
对接结果重打分方法
使用MM-GB/SA · MM-PBSA或XScore等工具提…
对接结果重打分方…
MM-GB/SA
18
机器学习辅助分子对接简介
机器学习如何用于构象排名和打分函数改…
机器学习辅助分子…
机器学习如何用于…
19
分子对接特征工程
从对接结果中提取特征(指纹 · 蛋白质-配体接触图 · 能量项)
分子对接特征工程
从对接结果
20
深度学习模型在对接评分上的应用
图神经网络 · 3D CNN用于结合亲和力预测
深度学习模型
对接评分上的应用
21
数据集构建
PDBbind · CASF-2016等数据集的获取 · 清洗和划分
数据集构建
PDBbind
22
模型训练基础
数据划分策略 · 损失函数选择(MSE · MAE
模型训练基础
数据划分策略
23
模型调优
学习率调度 · 正则化(L2 · Dropout)
模型调优
学习率调度
24
交叉验证与模型评估指标
RMSD · 决定系数 · 斯皮尔曼相关系数
交叉验证
模型评估指标
25
超参数搜索
网格搜索 · 随机搜索 · 贝叶斯优化在模型训练中的应用
超参数搜索
网格搜索
26
集成学习提升预测性能
随机森林 · Gradient Boosting · Stacking对打分函数提升
集成学习提升预测…
随机森林
27
模型可解释性分析
SHAP · Grad-CAM用于解释模型预测的关…
模型可解释性分析
SHAP
28
端到端管线搭建
从输入配体和蛋白到对接 · 评分 · 选优的自动化流程
端到端管线搭建
从输入配体
29
实际案例
激酶抑制剂分子对接参数调试与模型训练…
实际案例
激酶抑制剂分子对…
30
未来方向与常见陷阱总结
深度学习泛化问题 · 数据泄漏 · 过拟合等注意事项
未来方向
常见陷阱总结
所属VIP或分类
同VIP:AutoDock-Vina参数优化与特征构建协同实战
同VIP:AutoDock-Vina安装与配置指南
同VIP:AutoDock-Vina搜索范围参数设置技巧