分子性质预测概述
上一节
下一节
张艳敏
目录
-
1 新药研发概述
-
1.1 新药研发概述
-
1.2 新药研究阶段
-
1.3 新药开发阶段
-
1.4 药物研发中的药物信息学
-
1.5 实践
-
-
2 计算和数据驱动的药物发现
-
2.1 计算机辅助药物发现
-
2.2 人工智能药物发现
-
2.3 实践
-
-
3 生物分子的化学表征方法
-
3.1 生物分子的化学表征方法概述
-
3.2 基于序列的分子表示
-
3.3 基于图的分子表示
-
3.4 实践
-
-
4 基于分子表征的无监督训练方法
-
4.1 基于分子表征的无监督训练概述
-
4.2 分子无监督训练策略
-
4.3 基于序列的预训练策略
-
4.4 基于图的预训练策略
-
4.5 实践
-
-
5 分子性质预测
-
5.1 分子性质预测概述
-
5.2 分子性质预测通用数据集
-
5.3 传统机器学习在分子性质预测中的应用
-
5.4 基于SMILIES的分子性质预测
-
5.5 基于图的分子性质预测
-
5.6 基于元学习的分子性质预测
-
5.7 实践
-
-
6 智能分子生成
-
6.1 智能分子生成概述
-
6.2 分子生成模型通用数据集
-
6.3 基于SMILES的生成模型
-
6.4 基于图的生成模型
-
6.5 实践
-
-
7 基于人工智能的药物-靶标相互作用预测
-
7.1 药物靶标相互作用预测概述
-
7.2 药物靶标相互作用通用数据集
-
7.3 基于机器学习的药物靶标相互作用预测模型
-
7.4 基于深度学习的药物靶标相互作用预测模型
-
7.5 实践
-
-
8 基于人工智能的药物-药物相互作用预测
-
8.1 药物相互作用预测概述
-
8.2 药物相互作用数据库
-
8.3 基于序列的预测模型
-
8.4 基于图神经网络的预测模型
-
8.5 信息提取模型
-
8.6 基于复杂网络的方法
-
8.7 实践
-
-
9 生物医药知识图谱
-
9.1 生物医药知识图谱概述
-
9.2 生物医药知识图谱的常见数据库
-
9.3 知识图谱嵌入模型
-
9.4 基于知识图谱的生物医学预测任务
-
9.5 实践
-
-
10 基于深度学习的分子逆合成设计
-
10.1 分子逆合成预测概述
-
10.2 逆合成预测通用数据集
-
10.3 化学反应的数据表示
-
10.4 化合物反应的原子映射
-
10.5 逆合成预测的模型分类
-
10.6 逆合成预测的评估标准
-
10.7 逆合成设计进阶工具
-
10.8 实践
-
-
11 综合课程设计
-
11.1 综合案例实践
-
