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

GCN图卷积网络适配药物数据案例

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
01
GCN基础
图神经网络概述 · GCN的核心公式 · 消息传递机制
GCN图神经网络概述
02
药物数据表示
分子图构建 · 原子特征 · 键特征
药物数据表示分子图构建
03
RDKit入门
安装 · 分子读写 · SMILES与Mol对象转换
RDKit安装
04
药物数据集介绍
MoleculeNet · Tox21 · HIV
药物数据集介绍MoleculeNet
05
数据预处理
标准分子图流程 · 节点特征编码 · 邻接矩阵生成
数据预处理标准分子图流程
06
PyTorch Geometric安装
环境配置 · CUDA支持 · 常用子库简介
PyTorchGeometric
07
自定义药物数据集
继承InMemoryDataset · 实现process方法
自定义药物数据集InMemoryData…
08
图数据加载器
Dataloader · 批处理 · mask机制
图数据加载器Dataloader
09
GCN模型搭建
卷积层 · 池化层 · 全连接层
GCN模型搭建
10
训练循环
损失函数选择（BCE · CE） · 优化器
训练循环BCE
11
评估指标
ROC-AUC · PR-AUC · 准确率
评估指标ROC-AUC
12
分子性质预测案例
用GCN预测LogP
分子性质预测案例GCN
13
毒性预测案例
Tox21多任务分类实战
毒性预测案例Tox21
14
HIV活性预测案例
二分类任务完整流程
HIV活性预测案例
15
BACE抑制剂预测案例
回归与分类结合
BACE抑制剂预测案例
16
图注意力网络（GAT）
原理 · 代码实现 · 与GCN对比
GAT图注意力网络
17
GraphSAGE
邻居采样 · 归纳式学习 · 大规模药物图
GraphSAGE邻居采样
18
图同构网络（GIN）
更强的表达能力 · 分子图分类
GIN图同构网络
19
预训练图模型
对比学习 · GraphCL在药物数据上的应用
预训练图模型对比学习
20
分子图数据增强
原子扰动 · 子图裁剪 · 图噪声
分子图数据增强原子扰动
21
可解释性
GNNExplainer · 注意力权重可视化
可解释性GNNExplainer
22
模型调优
超参数搜索 · 正则化 · 早停
模型调优超参数搜索
23
过拟合与欠拟合
在药物小数据集上的处理技巧
过拟合欠拟合
24
多模态融合
将分子指纹与图特征结合
多模态融合将分子指纹
25
图与序列结合
将SMILES与分子图一起建模
序列结合SMILES
26
生成式模型简介
基于GCN的分子生成（MolGAN）
生成式模型简介GCN
27
强化学习与图网络
药物分子优化（ReLeaSE）
强化学习图网络
28
部署与推理
模型导出 · ONNX · 服务化
部署推理
29
实验记录与复现
Weights & Biases · TensorBoard
实验记录复现
30
项目总结
完整药物活性预测管线梳理 · 常见问题与未来方向
项目总结完整药物活性预测…