用途：TorchDrug 是面向药物发现与分子科学的 PyTorch 机器学习工具箱，用图神经网络、预训练模型和任务定义处理分子、蛋白质及生物知识图谱。
主要能力：分子性质预测（ADMET、毒性、活性、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、基因-疾病关联、多跳推理）；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、GCPN 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 ADMET 预测、蛋白质功能与结构任务、生物医学知识图谱补全、从头分子生成、逆合成路线规划。
限制：资料未提供收费、价格与平台信息；性能依赖数据划分与模型选择，分子任务建议用 scaffold 划分，大图需注意显存，生成分子需做有效性校验。官方文档 https://torchdrug.ai/docs/，GitHub https://github.com/DeepGraphLearning/torchdrug。