用途：Molfeat 是 Python 分子特征化库，把化学结构（SMILES 字符串或 RDKit 分子）转换为数值表示，用于 QSAR/QSPR 建模、虚拟筛选、相似性搜索、化学空间分析与深度学习。
主要能力：统一 100+ 预训练嵌入与手工特征器，支持并行处理、scikit-learn 兼容转换器与内置缓存。核心分三层：molfeat.calc 计算器（单分子转特征向量）、molfeat.trans 转换器（批量并行、可接入 sklearn 管道）、molfeat.trans.pretrained 预训练转换器（批量推理与缓存）。常用特征器包括 ecfp（2048 维）、maccs（167 维）、desc2D（223 维）、mordred（1800+ 维）、map4（2048 维）、ChemBERTa-77M-MLM（384 维）与 CheMeleonTransformer（2048 维）。
使用方式：安装 uv pip install molfeat；可选扩展 uv pip install "molfeat[transformer]"、"molfeat[mordred]"、"molfeat[fcd]"、"molfeat[pyg]"、"molfeat[all]"。基本用法为创建 FPCalculator 与 MoleculeTransformer，设置 n_jobs=-1 并行、dtype=np.float32 输出单数组，再对 SMILES 列表调用。可用 to_state_yaml_file 保存配置、from_state_yaml_file 重载。错误处理需在调用时传 ignore_errors=True（构造器传参无效）。FeatConcat 可组合多个特征器。
适用场景：传统机器学习（RF、SVM、XGBoost）用指纹；可解释模型用 RDKit 2D 或 Mordred 描述符；深度学习用 ChemBERTa、ChemGPT 或基础模型嵌入；相似性搜索用 ECFP、MACCS、MAP4 或 USR/USRCAT；药效团用 FCFP、CATS、Gobbi。
限制：molfeat 1.0 移除了基于 DGL 的 GIN、Graphormer 与蛋白质特征器，相关模型加载会失败；MAP4 需从 GitHub 安装 map4 包（不在 PyPI）；MolJEPATransformer 为 CC BY-NC 4.0，需 trust_remote_code=True 与 accept_noncommercial_license=True；复现旧 GIN/Graphormer 需固定 molfeat<1（0.11.x 要求 Python ≤ 3.10）；大数据集需分块处理，预训练模型首次运行较慢。官方文档 https://molfeat-docs.datamol.io/，仓库 https://github.com/datamol-io/molfeat。