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
›
《药物靶点发现中的知识图谱特征学习》
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
药物靶点发现中的知识图谱特征学习
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
课程导论
药物靶点发现的意义与知识图谱在其中的…
课程导论
药物靶点发现的意…
02
知识图谱基础
三元组 · 实体 · 关系与语义网络
知识图谱基础
三元组
03
药物靶点基础知识
靶点类型(受体 · 酶 · 离子通道等)与药理学概述
药物靶点基础知识
靶点类型
04
生物医学知识图谱资源
DrugBank · STRING · UniProt
生物医学知识图谱…
DrugBank
05
知识图谱构建流程
数据采集 · 实体对齐 · 关系抽取与融合
知识图谱构建流程
数据采集
06
实体识别与关系抽取
基于规则 · 基于深度学习(BERT · BioBERT)的方法
实体识别
关系抽取
07
知识图谱存储与查询
Neo4j图数据库的安装与Cyphe…
知识图谱存储
查询
08
知识图谱嵌入基础
分布式表示学习与TransE模型原理
知识图谱嵌入基础
TransE
09
基于翻译的模型
TransR · TransH · RotatE等改进方法
基于翻译的模型
TransR
10
基于语义匹配的模型
DistMult · ComplEx · TuckER
基于语义匹配的模…
DistMult
11
图神经网络基础
GCN(图卷积网络)的核心思想与数学…
图神经网络基础
GCN
12
图卷积网络在知识图谱中的应用
R-GCN与CompGCN
图卷积网络
知识图谱
13
图注意力网络
GAT与关系注意力机制
图注意力网络
GAT
14
异构图神经网络
HAN · HGT在药物靶点知识图谱中的应用
异构图神经网络
HAN
15
知识图谱特征学习与药物靶点预测任务
链路预测与节点分类
知识图谱特征学习
药物靶点预测任务
16
药物-靶点相互作用预测(DTI)
经典方法与知识图谱增强模型
DTI
药物
17
基于知识图谱的药物重定位
从已知靶点推断新适应症
基于知识图谱的药…
从已知靶点推断新…
18
多模态融合
药物分子结构(SMILES) · 蛋白质序列与知识图谱联合建模
多模态融合
SMILES
19
负采样策略
均匀采样 · 对抗采样与自对抗负采样
负采样策略
均匀采样
20
评估指标
Hits@K · 平均倒数排名(MRR) · AUC-ROC
评估指标
Hits
21
常用数据集与基准
Hetionet · DGIdb · DrugBank DTI子集
常用数据集
基准
22
实践
使用Neo4j构建小型药物-靶点关系…
Neo4j
使用
23
实践
安装PyTorch Geometri…
PyTorch
Geometri
24
实践
使用DGL(Deep Graph L…
DGL
Deep
25
实践
药物靶点预测模型的训练 · 验证与测试全流程
药物靶点预测模型…
验证
26
超参数调优
学习率 · 嵌入维度 · 正则化系数与早停策略
超参数调优
学习率
27
可解释性分析
注意力权重可视化 · 关键路径提取与子图解释
可解释性分析
注意力权重可视化
28
案例研究
针对EGFR · HER2等癌症靶点的知识图谱预测实例
案例研究
EGFR
29
前沿方向
预训练语言模型(如BioBERT)与…
前沿方向
BioBERT
30
总结与展望
跨模态知识图谱 · 主动学习与药物发现自动化
跨模态知识图谱
主动学习
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