用途：TorchDrug 是基于 PyTorch 的药物发现与分子科学机器学习工具箱，将图神经网络、预训练模型和任务定义应用于分子、蛋白质和生物知识图谱，覆盖分子性质预测、蛋白质建模、知识图谱推理、分子生成和逆合成规划。
主要能力：提供 40+ 精选数据集（BBBP、HIV、Tox21、QM9、EnzymeCommission、GeneOntology、PDBBind、Hetionet、USPTO-50k 等）与 20+ 模型架构，包括 GCN、GAT、GIN、RGCN、MPNN、SchNet、GearNet、ESM、ProteinBERT、TransE、RotatE、ComplEx、GraphAutoregressiveFlow 等，以及 PropertyPrediction、KnowledgeGraphCompletion、CenterIdentification、SynthonCompletion 等任务抽象。
使用方式：安装需固定旧解释器，最后版本 0.2.1（2023 年 7 月）要求 Python >=3.7,<3.11 与 torch >=1.8：uv venv --python 3.10 后先装 torch，再装 torch-scatter/torch-cluster（须与已装 torch 匹配，可用 PyG 轮子索引），最后 uv pip install torchdrug==0.2.1。使用 torchdrug 自带的 data.DataLoader 与 data.Graph，任务 forward 返回 (loss, metric)，手动训练循环前须先调用 task.preprocess()。
限制：该库自 0.2.1 后未再维护，依赖的 rdkit-pypi 无 2022.09 之后的轮子；不适用于当前 Python/torch 新栈，此类场景可考虑 alterlab-torch-geometric 或 alterlab-deepchem。仅需特征化可用 alterlab-molfeat，仅需基准数据集可用 alterlab-pytdc。具体收费与平台信息暂未提供。