PyTDC 是提供 AI-ready 数据集与基准的药物发现开放科学平台，将治疗相关数据分为三类：单实例预测（分子/蛋白质性质，导入自 tdc.single_pred）、多实例预测（药物-靶点相互作用，tdc.multi_pred）、生成任务（分子设计、逆合成，tdc.generation）。
用途：加载经过整理的 ADME、毒性、生物活性数据集用于机器学习训练；用标准化 5 种子评估协议对药物发现模型进行基准测试；以冷划分评估药物-靶点或药物-药物相互作用；生成新分子并用分子 oracle 打分；获取基于骨架或时间的数据划分；进行分子表示转换（SMILES 到 PyG 图、ECFP 指纹、SELFIES）。
主要能力：单实例数据（如 Caco2_Wang、hERG、AMES）经 get_data(format='df') 获取 DataFrame（Drug_ID、Drug、Y）；多实例数据（BindingDB_Kd、DAVIS、DrugBank 等）含 Drug 与 Target 列；生成任务提供 MolGen（ChEMBL_V29）、RetroSyn（USPTO）等；Oracle 支持 QED、SA、GSK3B、DRD2 等打分，MolConvert 支持 SMILES、ECFP4、SELFIES、PyG 等格式转换。
使用方式：安装 uv pip install PyTDC（核心依赖 numpy、pandas、scikit-learn、tqdm、fuzzywuzzy；可选 rdkit、torch-geometric）。首次访问自动下载数据集（每数据集约 10-500 MB），可用 path='data/' 指定缓存位置，无需 API 密钥。划分方法支持 random、scaffold、cold_drug、cold_target、cold_drug_target、temporal；评估指标覆盖 ROC-AUC、PR-AUC、F1、RMSE、MAE、R2、Spearman、Pearson 等。基准组如 admet_group（22 个数据集）提供标准 5 种子评估。
适用场景与限制：推荐分子性质预测使用 scaffold 划分，相互作用预测使用冷划分，并报告 5 种子均值±标准差；建议先用 MolFilter 过滤 PAINS 等。限制：大数据集可能引发内存错误，需分块或减小划分比例；冷划分实体过少会导致测试集为空；Oracle 对无效 SMILES 可能返回 NaN；PyG 转换需安装 torch-geometric。化学数据库查询应改用 chembl-database-bioactivity，进阶分子特征化改用 molfeat。价格、收费与更多细节暂未提供。