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

预训练模型迁移到ADMET预测任务

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

预训练模型与ADMET简介

介绍预训练模型的概念 · ADMET预测的重要性以及如何将预训…

ADMET预训练模型

分子表示与特征化

SMILES · InChI · 分子图

分子表示特征化

分子图神经网络基础

GCN · GAT · 消息传递机制

分子图神经网络基…GCN

自监督学习范式

掩码建模 · 对比学习 · 生成式预训练在分子领域中的应用

自监督学习范式掩码建模

基于Transformer的SMIL… · 架构 · 预训练任务及微调方法

ChemBERTaTransformer

自监督图Transformer · 节点掩码 · 上下文预测等预训练目标

GROVERTransformer

分子图对比学习 · 数据增强策略（原子遮掩 · 边扰动等）及损失函数

MolCLR分子图对比学习

大型SMILES双向自回归Trans… · 预训练与微调技巧

MegaMolBARTSMILES

其他代表性预训练模型

MolGPT · Pre-Training GNNs · MoCL等简要介绍与比较

其他代表性预训练…MolGPT

迁移学习理论基础

域适应 · 知识迁移 · 特征重用

迁移学习理论基础域适应

微调策略详解

全参数微调 · 部分微调（最后几层） · 低秩适应（LoRA）等

微调策略详解全参数微调

特征提取迁移

使用预训练模型提取分子嵌入作为特征 · 训练浅层分类器

特征提取迁移使用预训练模型提…

多任务迁移学习

同时预测多个ADMET性质的架构与损…

多任务迁移学习ADMET

领域自适应技术

对抗性域混淆 · 最大均值差异（MMD） · 协变量偏移校正

领域自适应技术对抗性域混淆

数据增强与预训练增强

SMILES随机化 · 图扰动 · 增强后预训练进一步适应ADMET数据

数据增强预训练增强

ADMET数据集处理与基准

Tox21 · ClinTox · SIDER

ADMET数据集处理

吸收预测任务

Caco-2渗透性 · 人肠吸收（HIA）预测 · 模型构建与评估

吸收预测任务Caco-2

分布预测任务

血浆蛋白结合率（PPB） · 血脑屏障（BBB）穿透预测

分布预测任务PPB

代谢预测任务

CYP450抑制预测（CYP1A2 · 2C9 · 2D6

代谢预测任务CYP450

排泄预测任务

肾清除率 · 胆汁排泄等分子性质预测

排泄预测任务肾清除率

毒性预测任务

hERG毒性 · AMES致突变性 · 肝毒性

毒性预测任务hERG

评估指标与验证策略

AUC-ROC · AUPR · RMSE

评估指标验证策略

超参数调优

学习率 · 批量大小 · 层数

超参数调优学习率

正则化与防止过拟合

早停 · 权重衰减 · Dropout

正则化防止过拟合

使用ChemBERTa微调预测Tox… · 完整代码流程

案例实战1ChemBERTa

使用GROVER预测Caco-2渗透… · 从数据加载到模型评估

案例实战2GROVER

构建多任务ADMET模型同时预测多个… · 利用预训练特征

案例实战3ADMET

模型可解释性

注意力权重可视化 · GNNExplainer · 分子特征重要性分析

模型可解释性注意力权重可视化

挑战与未来方向

数据不平衡 · 分布偏移 · 大规模模型效率

挑战未来方向

总结与展望

预训练+迁移学习在ADMET中的应用… · 自动化管线工具推荐（如DeepPur… · Chemprop等）

ADMET预训练+迁移学习