VIP20
本课程属于：055-化合物生成网络训练 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

GNN分子特征构建实战案例

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
分子表征基础
分子结构表示方法（SMILES · InChI · 分子图）
分子表征基础SMILES
02
化学信息学工具
RDKit安装与基本操作 · 分子读取 · 写入与可视化
化学信息学工具RDKit
03
分子图构建原理
原子作为节点 · 化学键作为边 · 特征矩阵与邻接矩阵
分子图构建原理原子作为节点
04
原子特征工程
原子类型 · 杂化状态 · 电荷
原子特征工程原子类型
05
键特征工程
键类型 · 共轭 · 环内标识
键特征工程键类型
06
分子全局特征
分子量 · LogP · TPSA
分子全局特征分子量
07
数据预处理
数据清洗 · 标准化 · 分子有效性检查与过滤
数据预处理数据清洗
08
特征归一化与编码
One-hot · Label Encoding · 标准化方法的实际选择
特征归一化编码
09
数据集构建
从PubChem · ChEMBL等数据库获取分子数据 · 构建PyG Dataset
数据集构建PubChem
10
PyG基础
PyG的Data对象 · Batch · 数据加载器（DataLoader）的…
PyGData
11
自定义分子数据集
继承InMemoryDataset · 实现分子图转换与特征缓存
自定义分子数据集InMemoryData…
12
图神经网络基础
GCN · GAT · GraphSAGE原理解析与应用场景
图神经网络基础GCN
13
消息传递机制
消息函数 · 聚合函数 · 更新函数在分子特征中的实现
消息传递机制消息函数
14
节点特征更新
如何设计消息传递层以捕获局部化学环境
节点特征更新如何设计消息传递…
15
图读出层设计
全局池化（均值 · 最大 · 加和）及注意力池化的选择
图读出层设计全局池化
16
分子性质预测实战
使用GCN预测水溶性（LogS） · 完整代码实现
分子性质预测实战GCN
17
分子毒性预测实战
基于GAT的多分类毒性预测 · 数据不平衡处理
分子毒性预测实战GAT
18
分子生成任务中的特征构建
从ZINC数据集构建特征用于VAE训…
分子生成任务特征构建
19
多任务学习
共享分子特征同时预测多个性质 · 任务权重调整
多任务学习共享分子特征同时…
20
图增强与数据扩充
随机原子遮蔽 · 键扰动 · 子图采样提升泛化能力
图增强数据扩充
21
特征可视化
使用t-SNE/UMAP对分子特征向…
特征可视化t-SNE/UMAP
22
解释性分析
GNNExplainer识别分子中对…
解释性分析GNNExplainer
23
模型评估与验证
K折交叉验证 · 外部测试集 · 指标选择（RMSE
模型评估验证
24
超参数调优
学习率 · 层数 · 隐藏维度
超参数调优学习率
25
大规模分子数据
处理百万级分子 · 使用PyG的NeighborSamp…
大规模分子数据处理百万级分子
26
预训练分子特征模型
利用GROVER · MolCLR等自监督方法提取通用特征
预训练分子特征模…GROVER
27
迁移学习
将预训练分子特征微调到特定任务 · 减少标注数据需求
迁移学习将预训练分子特征…
28
实际工业案例
药物虚拟筛选中的分子特征流水线 · 从SMILES到预测部署
实际工业案例药物虚拟筛选
29
性能优化
图批处理策略 · 内存管理 · GPU加速技巧与瓶颈分析
性能优化图批处理策略
30
总结与展望
分子特征工程的最新趋势（3D等变网络 · 几何特征融合）
分子特征工程的最…3D等变网络