用途：TorchDrug 是 PyTorch 原生的图神经网络工具箱，面向药物发现与分子科学，可对分子、蛋白质和生物知识图谱应用 GNN、预训练模型与任务定义。
主要能力：分子性质预测（类药性、ADMET、毒性、量子化学性质、结合亲和力）；蛋白质建模（酶功能、稳定性、亚细胞定位、相互作用、结构预测）；知识图谱推理（药物重定位、疾病机制、基因-疾病关联）；分子生成（从头设计、先导优化、性质引导生成）；逆合成（反应中心识别、合成子补全、多步路线规划）。提供 40+ 数据集与 20+ 模型架构，如 GIN、GAT、SchNet、GearNet、ESM、ProteinBERT、TransE、RotatE、ComplEx、GraphAutoregressiveFlow 等。
使用方式：安装命令为 uv pip install torchdrug，可选依赖用 uv pip install torchdrug[full]。典型流程为加载数据集（如 datasets.BBBP）、定义模型（如 models.GIN）、创建任务（如 tasks.PropertyPrediction）、用 PyTorch 优化器与 DataLoader 训练。可与 RDKit 互转分子、加载 AlphaFold 预测结构、用 PyTorch Lightning 封装任务。
适用场景：分子性质与蛋白质功能预测、药物-靶点结合预测、生物医学知识图谱链接预测、新分子生成、化学合成路线规划。
限制：资料未提供收费、价格与平台信息；部分能力依赖可选依赖、RDKit、AlphaFold/ESM 等外部组件；大图可能需减小批量或梯度累积，生成分子需有效性约束与 RDKit 后处理。官方文档 https://torchdrug.ai/docs/ ，GitHub https://github.com/DeepGraphLearning/torchdrug 。