VIP20
本课程属于：053-药物知识图谱特征学习任务 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

药物知识图谱图结构特征提取课程

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
图论基础
图的定义 · 顶点与边 · 有向图与无向图
图论基础图的定义
02
知识图谱概述
知识图谱的发展历程 · 核心概念（实体 · 关系
知识图谱概述知识图谱的发展历…
03
药物知识图谱构建
数据来源（DrugBank · PubMed · 临床试验记录）
药物知识图谱构建DrugBank
04
图数据库基础
Neo4j简介 · Cypher查询语言 · 图谱数据导入与导出
图数据库基础Neo4j
05
图结构特征概览
为什么需要图结构特征 · 特征分类（节点级 · 边级
图结构特征概览为什么需要图结构…
06
节点特征提取
度 · 中心性（度中心性 · 中介中心性
节点特征提取心性
07
节点邻居特征
一阶邻居与高阶邻居 · 邻居标签聚合 · 基于随机游走的节点嵌入（DeepWa…
节点邻居特征一阶邻居
08
边特征提取
边类型编码 · 边权重计算 · 基于路径的边特征（最短路径
边特征提取边类型编码
09
子图特征提取
基于频繁子图挖掘（gSpan） · 图核方法（Weisfeiler-Le… · 药物组合子图模式发现
子图特征提取gSpan
10
图特征工程
特征标准化与归一化 · PCA降维 · 特征选择（卡方检验
图特征工程特征标准化
11
图神经网络入门
GNN基本思想 · 消息传递框架 · 聚合函数（均值
图神经网络入门GNN
12
GCN（图卷积网络）
谱域与空间域卷积 · GCN公式推导 · 在药物分子性质预测中的应用实例
GCN图卷积网络
13
GAT（图注意力网络）
注意力机制原理 · 多头注意力 · GAT在药物-靶标重要性评分中的实践
GAT图注意力网络
14
GraphSAGE
采样邻居策略 · 归纳式学习 · 在大规模药物知识图谱上的可扩展性
GraphSAGE采样邻居策略
15
图自编码器与变分图自编码器
图重构 · 潜在表示学习 · 用于药物分子生成与优化
图自编码器变分图自编码器
16
图核方法
最短路径核 · WL子树核 · 随机游走核
图核方法最短路径核
17
图同构与图匹配
Weisfeiler-Lehman测… · 子图同构算法（VF2） · 药物结构相似性搜索
图同构图匹配
18
时序图特征
动态药物知识图谱 · 时间戳边 · 时序图神经网络（TGCN）
时序图特征动态药物知识图谱
19
异构图特征提取
异构信息网络（HIN） · 元路径与元图 · 异构图注意力网络（HAN）
异构图特征提取HIN
20
药物分子结构特征
分子图表示（SMILES转图） · 原子类型 · 化学键类型
药物分子结构特征SMILES
21
药物相互作用特征
DDI（药物-药物相互作用）图构建 · 基于图特征的风险预测 · 协同作用与拮抗作用建模
药物相互作用特征DDI
22
药物靶标特征
蛋白质结构图表示（AlphaFold… · 配体-靶标结合位点特征 · 药物-靶标结合亲和力预测
药物靶标特征AlphaFold
23
疾病-药物关联特征
疾病语义网络 · 药物适应症图 · 基于图特征的药物重定位路径推理
疾病药物关联特征
24
图特征可解释性
GNNExplainer · 子图可视化 · 注意力权重分析
图特征可解释性GNNExplainer
25
大规模图特征加速
采样技术（邻居采样 · 子图采样） · 分布式图框架（DGL
大规模图特征加速采样技术
26
图特征评估指标
分类任务（AUC-ROC · F1） · 回归任务（RMSE
图特征评估指标AUC-ROC
27
开源工具与库
NetworkX · DGL · PyTorch Geometric
开源工具NetworkX
28
实战项目一
基于节点特征的药物靶标预测（使用Ra…
实战项目一Ra
29
实战项目二
基于子图特征的药物协同作用挖掘（使用…
实战项目二基于子图特征的药…
30
总结与前沿展望
知识图谱与大语言模型结合 · 图特征在个性化医疗中的挑战 · 未来研究方向（图扩散模型
前沿展望知识图谱