VIP20
本课程属于：049-蛋白质组学特征学习任务 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

蛋白质组学模型训练与评估指标详解

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
蛋白质组学概述
什么是蛋白质组学 · 蛋白质组学的研究目标与主要技术路线
蛋白质组学概述什么是蛋白质组学
02
质谱数据基础
质谱原理 · MS/MS谱图类型 · raw数据格式与转换
质谱数据基础质谱原理
03
数据库搜索与肽段鉴定
搜索引擎（Mascot/SEQUES… · FDR控制
数据库搜索肽段鉴定
04
定量蛋白质组学简介
标记定量（TMT/iTRAQ）与无标…
定量蛋白质组学简…TMT/iTRAQ
05
数据预处理与质量控制
缺失值处理 · 归一化方法（总强度/中位数/Quan… · 批次效应校正
数据预处理质量控制
06
特征工程——肽段到蛋白的汇总
蛋白推断问题 · 唯一肽段与共享肽段处理 · 最大简约原则
特征工程肽段到蛋白的汇总
07
特征选择与降维
方差过滤 · 相关系数 · 主成分分析（PCA）
特征选择降维
08
蛋白质组学中的机器学习任务
分类（疾病vs正常） · 回归（表达量预测） · 聚类（亚型发现）
蛋白质组学机器学习任务
09
常用分类模型（一）
逻辑回归 · 支持向量机 · 随机森林的基本原理与蛋白组适用性
常用分类模型逻辑回归
10
常用分类模型（二）
XGBoost · LightGBM · 神经网络（MLP）在蛋白组中的应用对…
常用分类模型XGBoost
11
蛋白质组学中的深度学习
自编码器用于缺失值填补 · 深度神经网络用于蛋白功能预测
蛋白质组学深度学习
12
模型训练基础
数据集划分（训练/验证/测试） · K折交叉验证 · 分层抽样策略
模型训练基础数据集划分
13
评估指标——分类任务（一）
准确率 · 精确率 · 召回率
评估指标分类任务
14
评估指标——分类任务（二）
ROC曲线与AUC · PR曲线与平均精度（AP） · 混淆矩阵可视化
评估指标分类任务
15
评估指标——回归任务
均方误差（MSE） · 均方根误差（RMSE） · 平均绝对误差（MAE）
评估指标回归任务
16
评估指标——聚类任务
轮廓系数 · Calinski-Harabasz指… · Davies-Bouldin指数
评估指标聚类任务
17
蛋白鉴定层面的评估
肽段数 · 覆盖率 · Unique谱图数
蛋白鉴定层面的评…肽段数
18
定量准确性的评估
定量CV（变异系数） · 缺失率 · 差异倍数压缩比
定量准确性的评估CV
19
过拟合与欠拟合的识别
学习曲线 · 验证损失曲线 · 正则化方法（L1/L2/Dropou…
过拟合欠拟合的识别
20
超参数调优
网格搜索 · 随机搜索 · 贝叶斯优化
超参数调优网格搜索
21
模型可解释性（一）
特征重要性（随机森林/Gini/pe… · SHAP值原理
模型可解释性Gini/pe
22
模型可解释性（二）
SHAP依赖图 · LIME局部解释 · 蛋白标志物筛选的可视化
模型可解释性SHAP
23
集成学习策略
Bagging · Boosting · Stacking在蛋白组多模型融合中…
集成学习策略Bagging
24
样本不平衡问题
重采样（SMOTE/ADASYN） · 代价敏感学习 · 集成不平衡处理
样本不平衡问题SMOTE/ADASYN
25
多组学整合中的模型评估
蛋白质组与转录组/代谢组联合建模时的…
多组学整合模型评估
26
模型部署与复现性
模型序列化（pickle/ONNX） · 环境锁定 · Docker打包
模型部署复现性
27
结果报告与可重复性
标准化报告模板 · P值校正（BH/FDR） · 效应量与置信区间
结果报告可重复性
28
实战案例一
基于血浆蛋白组数据构建疾病分类模型（…
实战案例一基于血浆蛋白组数…
29
实战案例二
药物靶点发现中的蛋白表达量回归预测模…
实战案例二药物靶点发现
30
课程总结与展望
蛋白质组学建模的未来趋势（单细胞蛋白… · 空间蛋白组 · AI大模型）
课程总结蛋白质组学建模的…