用途：Molfeat 是分子特征化工具库，把 SMILES 字符串转换为数值表示（指纹、描述符、深度学习嵌入），用于 QSAR/QSPR 建模、虚拟筛选、相似性搜索、化学空间分析与分子深度学习。分子操作与过滤建议用 datamol，子结构操作建议用 rdkit。
主要能力：架构分三层——Calculator（单分子转特征向量）、Transformer（批量并行处理）、Store（发现与加载预训练模型）。指纹支持 ecfp、fcfp、maccs、rdkit、avalon、pattern、layered、atompair、topological、map4、secfp、erg、estate 及 -count 计数变体；描述符含 RDKit 2D（200+）与 Mordred（1800+）；药效团与形状含 CATS、USR/USRCAT；预训练嵌入含 ChemBERTa、GIN、Graphormer 等。支持 FeatConcat 拼接多特征器、ignore_errors 容错、状态持久化以保证可复现。
使用方式：安装 uv pip install molfeat，按需加 [transformer]、[dgl]、[graphormer]、[fcd]、[map4]、[all] 等 extras。基本用法为 FPCalculator 创建计算器，MoleculeTransformer 包装后批量调用，n_jobs=-1 并行；可用 to_state_yaml_file 保存配置、from_state_yaml_file 重载；ModelStore 可搜索与加载预训练模型。
适用场景：QSAR 建模、虚拟筛选排序、相似性检索、化学空间聚类可视化、迁移学习、特征器基准对比、scikit-learn 与 PyTorch 流水线集成。
限制：预训练模型首次运行需下载权重较慢，之后走缓存；大数据集需分块处理以防内存不足；无效 SMILES 在 ignore_errors=True 时返回 None，需过滤后再入模型；不同版本可能影响可复现性，建议固定版本并保存配置。具体收费、平台与效果资料暂未提供。