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、蛋白质和生物知识图谱。
主要能力：分子性质预测（ADMET、毒性、活性、量子化学性质等）；蛋白质建模（序列与结构、功能、稳定性、定位、相互作用）；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）；逆合成规划（反应中心识别、合成子补全、多步路线规划）。内置 40+ 数据集（BBBP、HIV、Tox21、QM9、EnzymeCommission、GeneOntology、PDBBind、Hetionet、USPTO-50k 等）和 20+ 模型架构（GCN、GAT、GIN、RGCN、MPNN、SchNet、GearNet、ESM、ProteinBERT、TransE、RotatE、ComplEx、GraphAutoregressiveFlow 等）。
使用方式：安装 pip install torchdrug，或 pip install torchdrug[full] 安装可选依赖。典型流程为加载数据集、定义 GNN 模型、创建任务（如 PropertyPrediction）、用 PyTorch 优化器训练。可与 RDKit 互转分子对象，可加载 AlphaFold 预测的 PDB 结构构建残基图，也可用 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、合成路线规划，以及在科学数据上训练图神经网络。
限制：资料未提供收费、价格、平台支持范围与效果指标等信息；使用前需自行准备数据与算力，分子生成结果需做有效性校验，大图训练可能需调整批次或梯度累积。