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

SMILES序列特征提取技巧

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

SMILES规则 · 原子表示 · 键类型

SMILES与分子结构

如何从SMILES还原出二维/三维结… · 常见解析工具（RDKit · OpenBabel）介绍

SMILES分子结构

SMILES标准化

规范SMILES（Canonical… · 随机SMILES（Random SM…

SMILES标准化

SMILES预处理常见问题

盐 · 溶剂 · 异构体处理

SMILES预处理常见问题

字符集构建与Token化

原子符号 · 键符号 · 特殊标记

Token字符集构建

基于字符编码的特征提取

One-hot编码 · Label Encoding · Padding与截断策略

基于字符编码的特…One-hot

从SMILES提取字符级n-gram… · 特征向量化与稀疏表示

子结构指纹提取

SMARTS模式匹配 · 从SMILES中提取特定官能团 · 骨架（Bemis-Murcko骨架）

子结构指纹提取SMARTS

摩根指纹与ECFP

基于SMILES计算圆形ECFP（E… · 半径与位数的选择

ECFP摩根指纹

从SMILES生成166位MACCS… · 优缺点与适用场景

拓扑指纹（Topological Fingerprints）

基于原子距离的指纹 · 与SMILES的关系

TopologicalFingerprints

哈希指纹与折叠

将高维特征折叠为固定长度位向量 · 碰撞问题及优化

哈希指纹折叠

SMILES序列的Word Embedding

使用Word2Vec · FastText在SMILES语料上…

上下文无关编码

SMILES的语法树解析 · 用语法规则生成句法特征

上下文无关编码SMILES

图表示学习基础

将SMILES转化为分子图（原子节点 · 化学键边） · 邻接矩阵与特征矩阵

图表示学习基础SMILES

基于RNN/LSTM的SMILES序列编码

循环网络提取序列特征 · 隐藏状态作为分子表示

基于Transformer的SMILES编码

位置编码 · 自注意力机制 · 预训练模型（如ChemBERTa）的…

TransformerSMILES

自监督学习特征提取

掩码语言模型（MLM） · 对比学习（InfoNCE） · 分子相关性（MolCLR）等策略

自监督学习特征提…MLM

SMILES数据增强

SMILES枚举（Enumerate… · 随机替换原子/键 · 图谱扰动方法

SMILES数据增强

特征提取中的归一化与缩放

数值化特征（如分子量 · LogP）与SMILES特征的结合策…

特征提取归一化

将SMILES序列特征与分子图谱特征… · 多模态表示学习

融合特征SMILES

注意力机制与可解释性

利用注意力权重可视化SMILES中关… · 辅助特征筛选

注意力机制可解释性

特征维度压缩

PCA · t-SNE · 自编码器（AE/VAE）对SMILE…

特征维度压缩PCA

特征选择与重要性分析

基于随机森林 · XGBoost的特性重要性排序 · 去除冗余特征

特征选择重要性分析

SMILES特征在分子性质预测中的应用

LogP · 毒性 · 溶解度预测中的特征选择经验

SMILES特征在分子生成中的应用

利用特征控制VAE/GAN生成特定性…

超大规模SMILES语料的特征工程

分布式计算（Spark） · 并行化指纹计算与存储优化

SMILES超大规模

特征提取中的常见陷阱

SMILES歧义性 · 芳香性冲突 · 电荷表示不统一等及应对策略

特征提取常见陷阱

评估特征提取效果的方法

下游任务验证（回归/分类） · 聚类评价 · 稳定性测试

评估特征提取效果…下游任务验证

特征提取工具与库总览

RDKit · DeepChem · PyTorch Geometric

特征提取工具库总览