VIP20
本课程属于：051-ADMET预测特征学习任务 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

基于Transformer的分子特征编码教程

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
分子表示与特征概述
详细介绍分子常见表示方法（SMILE… · InChI · 分子图）及其优缺点
分子表示特征概述
02
分子图结构简介
介绍图的定义 · 节点 · 边
分子图结构简介介绍图的定义
03
传统的分子特征编码方法
MACCS密钥 · ECFP指纹 · 摩根指纹等原理与实现
传统的分子特征编…MACCS
04
Transformer模型基础
Transformer架构概述 · 编码器-解码器结构 · 主要组件
Transformer模型基础
05
自注意力机制
Query · Key · Value计算
自注意力机制Query
06
多头注意力
多头并行计算 · 拼接与线性变换 · 作用与优势
多头注意力多头并行计算
07
位置编码
正弦位置编码 · 可学习位置编码 · 在分子序列中的应用
位置编码正弦位置编码
08
分子SMILES表示与Tokenization
SMILES语法 · 分词方法（BPE · WordPiece）
SMILESTokenization
09
分子图Transformer (Graph Transformer)
将Transformer应用于图结构 · 邻居聚合 · 图注意力
TransformerGraph
10
分子特征编码中的消息传递
消息传递范式 · 节点嵌入更新 · 边特征融合
分子特征编码消息传递
11
原子特征与键特征嵌入
原子类型 · 杂化 · 电荷等特征
原子特征键特征嵌入
12
分子几何与三维结构编码
坐标变换 · 旋转不变性 · 距离矩阵
分子几何三维结构编码
13
预训练语言模型在分子上的应用
ChemBERTa · MolBERT等预训练策略与微调
预训练语言模型分子上的应用
14
分子编码中的对比学习
正负样本构建 · 对比损失函数（InfoNCE） · SimCLR等
分子编码对比学习
15
分子指纹与Transformer结合
将指纹作为输入特征或辅助任务 · 联合训练
Transformer分子指纹
16
分子特征编码中的数据增强
SMILES随机加噪 · 图扰动 · 子图掩码等方法
分子特征编码数据增强
17
分子编码模型的训练策略
学习率调度 · 正则化 · 梯度裁剪
分子编码模型的训…学习率调度
18
分子性质预测任务
分类（毒性 · 活性）与回归（logP · 溶解度）任务设置
分子性质预测任务分类
19
分子生成任务
自回归生成 · 变分自编码器 · 扩散模型与Transformer结合
分子生成任务自回归生成
20
分子相似度与检索
基于编码的相似度计算 · 近似最近邻搜索（FAISS）
分子相似度检索
21
分子编码的可解释性
注意力权重可视化 · 特征归因（Integrated Gr…
分子编码的可解释…注意力权重可视化
22
多模态分子编码
同时处理SMILES序列与分子图 · 多模态融合策略
多模态分子编码SMILES
23
大规模分子数据集与预处理
ChEMBL · PubChem · ZINC等
大规模分子数据集预处理
24
模型评估与基准测试
常用指标（ROC-AUC · R2 · MSE）
模型评估基准测试
25
模型压缩与蒸馏
知识蒸馏 · 量化 · 剪枝在分子编码模型上的应用
模型压缩蒸馏
26
分子编码中的迁移学习
从预训练模型微调到下游任务 · 领域适应
分子编码迁移学习
27
分子编码中的自监督学习
掩码建模 · 对比学习 · 图重构等任务
分子编码自监督学习
28
分子编码中的图神经网络对比
GCN · GAT · GraphSAGE与Graph Tr…
分子编码图神经网络对比
29
实战
基于Transformer的分子性质… · 模型搭建 · 训练
Transformer基于
30
前沿进展与未来方向
AlphaFold3 · 分子力场 · 生成式AI在药物设计中的新进展
前沿进展未来方向