VIP20

本课程属于：045-AI药物发现特征学习任务 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

分子属性预测项目实战案例

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

分子属性预测概述

应用场景 · 研究现状与挑战

分子属性预测概述应用场景

化学信息学基础

SMILES · InChI · 分子图表示

化学信息学基础SMILES

Python环境搭建

Anaconda · RDKit · PyTorch安装与配置

Python环境搭建

分子读取 · 可视化 · 基本操作与子结构搜索

RDKit分子读取

分子描述符计算

RDKit内置描述符与mordred…

分子描述符计算RDKit

ECFP · MACCS · FCFP的生成与比较

分子指纹ECFP

公开数据集获取

ChEMBL · PubChem · MoleculeNet数据下载

公开数据集获取ChEMBL

数据预处理

标准化 · 去盐 · 处理缺失值与重复值

数据预处理标准化

特征工程实战

从SMILES到数值特征向量

特征工程实战SMILES

传统机器学习模型

随机森林 · XGBoost · SVR的原理与调参

传统机器学习模型随机森林

模型评估指标

R² · RMSE · MAE

模型评估指标R²

深度学习基础

PyTorch张量 · 自动求导与简单网络搭建

深度学习基础PyTorch

图神经网络入门

消息传递机制与GCN原理

图神经网络入门GCN

PyTorch Geometric安装与基础

Data对象 · 数据加载器

PyTorchGeometric

构建分子图数据

原子特征 · 键特征与图构建流程

构建分子图数据原子特征

实现GCN模型

图卷积层 · 全局池化与预测头

实现GAT模型

注意力机制与多头注意力

损失函数选择 · 优化器 · 学习率调度

模型训练损失函数选择

超参数调优

网格搜索 · 随机搜索与贝叶斯优化

超参数调优网格搜索

正则化与防过拟合

Dropout · BatchNorm · 早停法

正则化防过拟合

K折交叉验证与分层采样实现

交叉验证K折交叉验证

模型解释性

特征重要性 · Grad-CAM · 敏感性分析

模型解释性特征重要性

预训练分子表示与微调策略

迁移学习预训练分子表示

多任务学习

共享表示同时预测多个属性

多任务学习共享表示同时预测…

不确定性估计

Monte Carlo Dropou…

不确定性估计Monte

Flask API搭建与Docker…

模型部署Flask

实战项目一

水溶性（LogS）预测完整流程

实战项目一LogS

实战项目二

毒性（LD50）预测与多模型对比

实战项目二LD50

实战项目三

药物Caco-2渗透性预测与可解释分…

实战项目三Caco-2

常见陷阱 · 最佳实践与前沿方向

课程总结常见陷阱