首页
›
生物信息学与 AI 制药工程
›
053-药物知识图谱特征学习任务
›
《药物重定位知识图谱特征分析案例》
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
药物重定位知识图谱特征分析案例
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
药物重定位概述
定义 · 意义 · 传统方法 vs 知识图谱方法
药物重定位概述
定义
02
知识图谱基础
三元组 · RDF · 属性图
知识图谱基础
三元组
03
生物医学知识图谱介绍
常用数据库(DrugBank · DisGeNET · STRING等)
生物医学知识图谱…
DrugBank
04
药物-靶点-疾病关系建模
实体与关系设计
药物
靶点
05
知识图谱构建流程
数据获取 · 实体识别 · 关系抽取
知识图谱构建流程
数据获取
06
基于图数据库的存储
Neo4j安装与配置
基于图数据库的存…
Neo4j
07
Cypher查询语言入门
节点 · 关系 · 属性查询
Cypher
查询语言入门
08
药物重定位特征分析概述
特征类型 · 图特征 · 语义特征
药物重定位特征分…
特征类型
09
节点特征
One-hot · Label propagation · Node2Vec
节点特征
One-hot
10
图结构特征
Degree · Clustering Coeffic… · PageRank等
图结构特征
Degree
11
基于元路径的特征
异构图中元路径提取
基于元路径的特征
异构图
12
图神经网络基础
GCN · GAT · GraphSAGE
图神经网络基础
GCN
13
药物-疾病关联预测任务
二分类 · 链接预测
药物
疾病关联预测任务
14
负样本采样策略
随机负采样 · 基于规则的负采样
负样本采样策略
随机负采样
15
特征工程实践
使用NetworkX计算节点特征
特征工程实践
NetworkX
16
基于深度学习的特征
利用PyTorch Geometri…
基于深度学习的特…
PyTorch
17
注意力机制在KG中的应用
GAT在药物重定位中的作用
KG
注意力机制
18
知识图谱嵌入模型
TransE · TransR · RotatE
知识图谱嵌入模型
TransE
19
结合知识图谱嵌入与图神经网络的方法
结合知识图谱嵌入与图神经网络的方法 · 核心概念 · 实践要点
结合知识图谱嵌入
图神经网络的方法
20
案例
基于DrugBank构建药物-靶点-…
案例
DrugBank
21
案例
使用Cypher提取药物-疾病元路径…
案例
Cypher
22
案例
构建特征向量并进行PCA降维可视化
案例
PCA
23
案例
训练XGBoost分类器预测药物-疾…
案例
XGBoost
24
案例
训练GCN模型并进行效果评估
案例
GCN
25
模型评估指标
AUC-ROC · Precision-Recall · Hit@k
模型评估指标
AUC-ROC
26
解释性与可解释性
SHAP · GNNExplainer在特征分析中…
解释性
可解释性
27
多源数据融合
整合ChemBL · PubMed文献知识
多源数据融合
ChemBL
28
部署与应用
将模型导出为API服务
部署
应用
29
挑战与未来方向
数据稀疏性 · 冷启动 · 动态知识图谱
挑战
未来方向
30
总结与项目实战
从零搭建药物重定位知识图谱特征分析系…
项目实战
从零搭建药物重定…
所属VIP或分类
同VIP:ComplEx模型药物关系预测实战
同VIP:DGL框架药物图神经网络实践
同VIP:PyG与Neo4j药物KG特征提取课程