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、结合亲和力等）；蛋白质建模（序列与结构、功能、稳定性、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（自回归、GCPN、GraphAutoregressiveFlow）；逆合成（USPTO-50k、反应中心识别、合成子补全、多步规划）；提供 GCN、GAT、GIN、RGCN、MPNN、SchNet、GearNet、ESM、ProteinBERT、TransE、RotatE、ComplEx 等模型，以及 40+ 数据集。
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，与 AlphaFold/ESM 结合处理蛋白质结构，也可包装进 PyTorch Lightning。
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、新分子生成、合成路线规划、生物医学知识图谱链接预测。
限制：资料未提供收费、价格、平台支持范围与性能保证等信息；使用需具备 PyTorch 与相关领域知识，部分任务依赖 RDKit、AlphaFold、ESM 等外部库。官方文档 https://torchdrug.ai/docs/，GitHub https://github.com/DeepGraphLearning/torchdrug。