首页
›
生物信息学与 AI 制药工程
›
059-药物知识图谱解读
›
《药物图谱规则推理实战案例》
VIP20
本课程属于:059-药物知识图谱解读
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
药物图谱规则推理实战案例
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
药物图谱概述
知识图谱基本概念 · 药物图谱的定义与价值 · 典型应用场景(药物重定位
药物图谱概述
知识图谱基本概念
02
医学知识表示
实体(药物 · 靶点 · 疾病)
医学知识表示
实体
03
规则推理基础
什么是规则推理 · 前向链推理与后向链推理 · 规则与事实的区别
规则推理基础
什么是规则推理
04
SWRL规则语言
SWRL语法结构(Atom · Imp) · 内置函数
SWRL
规则语言
05
Datalog与图规则
Datalog递归查询 · 与OWL的对比 · 如何在药物知识库中表达传递规则
Datalog
图规则
06
图数据库选型
Neo4j · JanusGraph · ArangoDB对比
图数据库选型
Neo4j
07
药物图谱数据源
DrugBank · CTD · STITCH
药物图谱数据源
DrugBank
08
数据预处理与实体对齐
药物实体标准化(ChEBI · PubChem CID) · 同义词合并
数据预处理
实体对齐
09
知识图谱构建(上)
三元组生成策略 · 使用Python+SPARQLWra…
知识图谱构建
三元组生成策略
10
知识图谱构建(下)
关系抽取 · 文档级联合抽取模型 · 用BioBERT从文献中提取药物相互…
知识图谱构建
关系抽取
11
图数据库导入实战
使用Neo4j Admin Impo…
图数据库导入实战
Neo4j
12
Cypher高级查询
路径匹配 · 模式匹配 · 聚合函数
Cypher
高级查询
13
规则引擎概览
Drools · jena推理器 · GraphRule推理引擎的适用场景
规则引擎概览
Drools
14
基于OWL的推理
使用Protégé编辑本体 · HermiT推理器验证一致性 · 类层次推断
OWL
基于
15
自定义规则推理引擎设计(上)
规则解析器 · 事实库与工作内存的设计模式
自定义规则推理引…
规则解析器
16
自定义规则推理引擎设计(下)
模式匹配算法(RETE · TREAT) · 冲突消解策略
自定义规则推理引…
RETE
17
药物协同作用规则推理
定义“A和B联合用药增强疗效”的规则 · 基于靶点通路逻辑的推理
药物协同作用规则…
定义“A
18
药物禁忌规则推理
定义“C与D同服产生毒性”的规则 · 利用图可达性检测冲突
药物禁忌规则推理
定义“C
19
药物重定位推理案例(上)
基于靶点相似性规则 · 从现有药物预测新适应症
药物重定位推理案…
基于靶点相似性规…
20
药物重定位推理案例(下)
构建规则“药品-靶点-疾病”路径 · 使用Groovy脚本自动生成候选
药物重定位推理案…
构建规则“药品
21
不良反应因果推理
构建“药物→代谢酶→不良反应”规则链 · 结合临床证据权重
不良反应因果推理
构建“药物→代谢…
22
规则冲突检测与解释
系统发现矛盾规则时的处理策略 · 用户可解释性输出
规则冲突检测
解释
23
知识图谱嵌入与规则融合
TransE · RotatE与规则推理的互补 · 使用RUGE模型融合方法
知识图谱嵌入
规则融合
24
大规模推理效率优化
规则分层 · 并行化策略 · 使用Spark GraphX进行分布…
大规模推理效率优…
规则分层
25
规则维护与持续学习
版本控制(Git for rules… · 新数据增量更新 · 规则退役机制
规则维护
持续学习
26
API与集成开发
封装推理服务为RESTful接口 · 提供GraphQL查询 · 与临床决策支持系统对接
API
集成开发
27
评估指标
规则推理的准确性 · 召回率 · F1分数
评估指标
规则推理的准确性
28
Case Study 1
构建糖尿病药物—靶点—基因交互规则库 · 推理潜在新药
Case
Study
29
Case Study 2
抗抑郁药物配伍禁忌规则推理 · 生成临床用药建议报告
Case
Study
30
课程总结与展望
当前挑战(规则学习自动化 · NLP增强) · 未来方向(神经符号系统)
课程总结
当前挑战
所属VIP或分类
同VIP:COVID-19药物知识图谱案例
同VIP:Snakemake数据质控流程详解
同VIP:SPARQL查询药物图谱教程