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

数据质控流程在ADMET建模中的实施

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建模与数据质控概述
ADMET概念 · 数据质控的重要性 · 课程目标和受众
ADMET建模
02
数据来源与采集策略
公开数据库（ChEMBL · PubChem · Tox21）
数据来源采集策略
03
化合物结构标准化
SMILES规范化 · 处理盐/溶剂 · 立体化学
化合物结构标准化SMILES
04
物理化学属性数据
LogP · 溶解度 · pKa的收集与单位统一
物理化学属性数据LogP
05
体外ADME数据
Caco-2渗透性 · PAMPA · 代谢稳定性
ADME体外
06
体内药代动力学数据
清除率 · 半衰期 · 生物利用度
体内药代动力学数…清除率
07
毒性数据
hERG抑制 · AMES致突变 · 肝毒性
毒性数据hERG
08
数据格式统一
CSV · SDF · JSON的读取与转化
数据格式统一CSV
09
缺失值处理
删除策略 · 均值/中位数填充 · 模型预测填充
缺失值处理删除策略
10
异常值检测
Z-score方法 · IQR规则 · DBSCAN聚类
异常值检测Z-score
11
重复记录识别
基于结构InChIKey · SMILES或ID去重 · 保留最可靠记录
重复记录识别InChIKey
12
数据标准化
Min-Max归一化 · Z-score标准化 · RobustScaler
数据标准化Min-Max
13
特征工程基础
使用RDKit计算分子描述符（MW · HBA · HBD
特征工程基础RDKit
14
特征选择
方差阈值 · 相关性分析 · 递归特征消除
特征选择方差阈值
15
数据划分
按时间/结构聚类拆分训练/验证/测试… · 分层抽样
数据划分按时间
16
数据不平衡处理
SMOTE过采样 · 随机欠采样 · 成本敏感学习
数据不平衡处理SMOTE
17
模型构建
随机森林 · XGBoost · 图神经网络在ADMET预测中的应用
模型构建随机森林
18
模型评估指标
回归（R² · RMSE · MAE）
模型评估指标回归
19
交叉验证与超参数调优
K折交叉验证 · 网格搜索 · 贝叶斯优化
交叉验证超参数调优
20
模型可解释性
SHAP值 · LIME · 局部依赖图分析关键特征
模型可解释性SHAP
21
外部验证
留出独立测试集 · 时间序列验证 · 跨实验室验证
外部验证留出独立测试集
22
质控流程自动化
构建数据管道（python pipe… · 使用DVC版本控制
质控流程自动化python
23
错误溯源与修正
记录异常数据 · 审查原始记录 · 更新质控文档
错误溯源修正
24
数据集版本管理
使用Git/DVC追踪数据变化 · 确保可复现性
数据集版本管理Git/DVC
25
数据可视化
分布直方图 · 箱线图 · 相关性热图
数据可视化分布直方图
26
模型部署质控
输入校验 · 预测置信度检查 · 监控数据漂移
模型部署质控输入校验
27
案例实战
从原始数据集到ADMET模型的数据质…
案例实战ADMET
28
常见质控陷阱
数据泄露 · 循环推理 · 过拟合
常见质控陷阱数据泄露
29
质控报告撰写
数据描述统计 · 质控结果 · 异常汇总
质控报告撰写数据描述统计
30
课程总结与展望
最佳实践总结 · AI辅助质控 · 未来趋势
课程总结最佳实践总结