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KG实体特征处理方法》
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KG实体特征处理方法
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
课程介绍
药物知识图谱概述 · 实体特征处理的重要性
课程介绍
药物知识图谱概述
02
知识图谱基础
知识图谱概念 · RDF/OWL · 图数据库
知识图谱基础
知识图谱概念
03
药物实体类型
药物 · 疾病 · 靶点
药物实体类型
药物
04
实体特征概述
什么是实体特征 · 特征类型(结构 · 属性
实体特征概述
什么是实体特征
05
数据采集与清洗
从公开数据库(DrugBank · CTD · SIDER)获取数据
数据采集
清洗
06
实体识别与标准化
命名实体识别(NER) · 标准化到统一ID(如DrugBank…
实体识别
标准化
07
属性特征提取
药物分子属性(分子量 · logP) · 药理属性
属性特征提取
药物分子属性
08
结构特征提取
药物分子SMILES · 分子指纹(ECFP · MACCS)
结构特征提取
SMILES
09
关系特征
药物-靶点关系 · 药物-疾病关系等
关系特征
药物
10
文本特征
从文献摘要中提取实体上下文特征(BE…
文本特征
BE
11
特征表示学习
独热编码 · 词嵌入(Word2Vec · GloVe)
特征表示学习
独热编码
12
图嵌入方法
TransE · TransR · RotatE等知识图谱嵌入
图嵌入方法
TransE
13
图神经网络基础
GCN · GAT · GraphSAGE
图神经网络基础
GCN
14
基于GNN的实体特征学习
使用GNN聚合邻居特征
GNN
基于
15
多模态特征融合
分子结构 · 文本 · 关系特征的融合
多模态特征融合
分子结构
16
特征降维
PCA · t-SNE · Autoencoder
特征降维
PCA
17
特征选择
基于相关性 · 互信息 · LASSO
特征选择
基于相关性
18
实体特征的质量评估
一致性 · 完整性 · 准确性
实体特征的质量评…
一致性
19
特征处理工具介绍
RDKit · PyTorch Geometric · DGL
特征处理工具介绍
RDKit
20
实战案例
构建药物-靶点预测模型的特征处理
实战案例
构建药物
21
实战案例
药物副作用预测的特征工程
实战案例
药物副作用预测的…
22
实战案例
药物重定位中的特征处理
实战案例
药物重定位
23
大规模特征处理
分布式计算 · Spark · Hadoop
大规模特征处理
分布式计算
24
特征存储与索引
图数据库(Neo4j) · 向量数据库(Milvus)
特征存储
索引
25
特征更新的增量处理
新增实体 · 关系更新
特征更新的增量处…
新增实体
26
特征处理的可解释性
SHAP · LIME应用于实体特征
特征处理的可解释…
SHAP
27
前沿方法
预训练语言模型(BioBERT · PubMedBERT)提取实体特征
前沿方法
BioBERT
28
前沿方法
对比学习在实体特征中的应用
前沿方法
对比学习
29
课程总结与展望。
课程总结与展望 · 核心概念 · 实践要点
课程总结
课程总结与展望
30
综合项目
药物KG实体特征处理管道实现
综合项目
KG
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