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

外部验证在ADMET项目中的应用

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
ADMET概述
ADMET概念 · 在新药研发中的重要性 · ADMET预测的基本流程
ADMET概念
02
外部验证定义
什么是外部验证 · 与内部验证的区别 · 外部验证的目标
外部验证定义什么是外部验证
03
数据集准备
训练集与外部测试集的划分原则 · 如何避免数据泄露
数据集准备训练集
04
分子表示方法
SMILES · InChI · 分子指纹（ECFP
分子表示方法SMILES
05
特征工程
特征选择 · 标准化/归一化 · 缺失值处理
特征工程特征选择
06
机器学习模型基础
线性回归 · 逻辑回归 · 支持向量机（SVM）
机器学习模型基础线性回归
07
梯度提升模型
XGBoost · LightGBM · CatBoost的特点与应用场景
梯度提升模型XGBoost
08
深度学习模型
图神经网络（GNN） · 消息传递网络（MPNN） · Transformer在ADMET中…
深度学习模型GNN
09
模型训练与调参
网格搜索 · 随机搜索 · 贝叶斯优化
模型训练调参
10
交叉验证
K折交叉验证 · 分层交叉验证 · 留一法交叉验证
交叉验证K折交叉验证
11
外部验证集设计
时间分割 · 结构聚类分割 · 基于相似性的分割
外部验证集设计时间分割
12
分类模型评价指标
准确率 · 精确率 · 召回率
分类模型评价指标准确率
13
回归模型评价指标
RMSE · MAE · R²
回归模型评价指标RMSE
14
混淆矩阵与阈值调整
混淆矩阵解读 · ROC曲线绘制 · 最佳阈值选择
混淆矩阵阈值调整
15
模型校准
可靠性图 · Brier分数 · 概率校准方法（Platt缩放
模型校准可靠性图
16
可解释性分析
SHAP值 · LIME · 特征贡献度
可解释性分析SHAP
17
数据不平衡处理
过采样（SMOTE） · 欠采样 · 合成数据生成
数据不平衡处理SMOTE
18
外部验证流程标准化
统一的验证协议 · 数据格式 · 代码复现要求
外部验证流程标准…统一的验证协议
19
常见ADMET属性（一）
水溶性（LogS） · 脂溶性（LogP） · 渗透性（Caco-2/MDCK）
ADMET常见
20
常见ADMET属性（二）
血浆蛋白结合率（PPB） · 血脑屏障穿透（BBB） · hERG毒性
ADMET常见
21
常见ADMET属性（三）
肝脏代谢稳定性 · CYP450抑制 · 氨基糖苷类肾毒性
ADMET常见
22
多任务学习
同时预测多个ADMET属性 · 损失函数加权 · 共享表示
多任务学习ADMET
23
迁移学习
预训练模型在大数据集上的微调 · 域适应策略
迁移学习预训练模型
24
集成学习方法
投票集成 · 平均集成 · 堆叠（Stacking）
集成学习方法投票集成
25
外部验证中的常见陷阱
测试集泄露 · 过度优化 · 错误统计显著性
外部验证常见陷阱
26
案例研究（一）
基于随机森林的LogP预测与外部验证…
案例研究LogP
27
案例研究（二）
使用GNN预测Caco-2渗透性及外…
案例研究GNN
28
案例研究（三）
hERG毒性预测中的外部验证与模型对…
案例研究hERG
29
结果可视化与报告
ROC曲线图 · 箱线图 · 散点图
结果可视化报告
30
未来趋势
AI驱动ADMET预测 · 联邦学习 · 数据增强
未来趋势AI