DeepChem 是一个用于将机器学习应用于化学、材料科学和生物学的综合性 Python 库，支持分子性质预测、药物发现、材料设计和生物分子分析。
用途
该技能适用于以下场景：加载和处理分子数据（SMILES 字符串、SDF 文件、蛋白质序列）；预测分子性质（溶解度、毒性、结合亲和力、ADMET 性质）；在化学/生物数据集上训练模型；使用 MoleculeNet 基准数据集（Tox21、BBBP、Delaney 等）；将分子转换为机器学习就绪的特征（指纹、图表示、描述符）；实现分子图神经网络（GCN、GAT、MPNN、AttentiveFP）；使用预训练模型（ChemBERTa、GROVER、MolFormer）进行迁移学习；预测晶体/材料性质（带隙、形成能）；分析蛋白质或 DNA 序列。
主要能力
核心能力分为八个方面：分子数据加载与处理（加载器、NumpyDataset / DiskDataset）；分子特征化（环形指纹、图卷积、描述符）；数据划分（随机、骨架、分层、Butina 划分，其中骨架划分是分子的诚实默认选择）；模型选择与训练；MoleculeNet 基准（加载标准数据集及其已发布划分）；迁移学习（预训练与微调）；模型评估（适用于回归和分类任务的指标）；进行预测（将训练好的模型应用于新分子）。
使用方式
安装核心包（数据加载器、特征化器、MoleculeNet、scikit-learn 封装）： uv pip install deepchem
根据模型后端添加对应扩展（GPU 构建需先安装 PyTorch/TensorFlow/JAX）： uv pip install 'deepchem[torch]' # GNN、TorchModel、HuggingFaceModel、GroverModel uv pip install 'deepchem[tensorflow]' # Keras/TensorFlow 模型 uv pip install 'deepchem[jax]' # JAX/Haiku 模型 uv pip install 'deepchem[dqc]' # 可微分量子化学（torch + xitorch）
每日构建：uv pip install --pre deepchem（同样适用 --pre 扩展）。
该技能包含三个生产就绪脚本：predict_solubility.py（训练和评估溶解度预测模型，支持 Delaney 基准或自定义 CSV 数据）、graph_neural_network.py（在分子数据上训练各种图神经网络架构）、transfer_learning.py（在分子性质预测任务上微调预训练模型 ChemBERTa、GROVER、MolFormer）。
常见模式与最佳实践包括：始终对分子使用骨架划分以防止数据泄漏；归一化特征和目标；从简单模型开始再扩展（随机森林 + 环形指纹作为快速基线，样本超过 5K 考虑深度学习，超过 10K 考虑 GNN，小数据集或新骨架使用迁移学习）；处理不平衡数据（平衡转换器或平衡指标）；避免内存问题（大数据集使用 DiskDataset，减小批次大小）。
适用场景与限制
版本说明：示例针对 deepchem 2.8.0（PyPI 稳定版，2024 年 4 月）。要求 Python 3.7–3.11（PyPI 上 <3.12）。核心工具（加载器、特征化器、MoleculeNet）无需深度学习后端即可工作；GNN 和 Transformer 模型需要匹配的扩展（torch、tensorflow 或 jax）。使用 GPU 构建时先安装后端框架。
常见陷阱包括：药物发现中的数据泄漏（应使用 ScaffoldSplitter）；GNN 表现不如指纹（需确保数据集足够大、增加训练轮数、尝试不同架构或使用预训练模型）；小数据集过拟合（使用更强正则化、更简单模型、迁移学习或收集更多数据）；导入错误（DeepChem 延迟加载，需安装匹配模型的后端并添加对应扩展）。Conda + PyTorch 用户若遇到 undefined symbol: iJIT_NotifyEvent，可将 MKL 固定在 2025 以下（conda install "mkl<2025"）。
参考文档包括 references/api_reference.md（完整 API 文档，含所有数据加载器、数据集类、特征化器目录、50+ 模型目录、MoleculeNet 数据集描述、指标与评估函数、常见代码模式）和 references/workflows.md（八个详细端到端工作流：从 SMILES 预测分子性质、使用 MoleculeNet 基准、超参数优化、迁移学习、使用 GAN 进行分子生成、材料性质预测、蛋白质序列分析、自定义模型集成）。
官方文档：https://deepchem.readthedocs.io/ ；GitHub 仓库：https://github.com/deepchem/deepchem ；教程：https://deepchem.readthedocs.io/en/latest/get_started/tutorials.html ；论文："MoleculeNet: A Benchmark for Molecular Machine Learning"。
操作程序要求：检查环境并确认工具包版本和输入格式，计算前对分子进行净化；从数据或用户处确认格式、标识符和参数，不猜测任何影响结果的值；先运行小版本（处理几个分子或一个目标）并检查输出；使用上述说明和参考执行完整任务；验证结果（检查无效结构、单位一致性、预测模型的适用域）；报告运行内容（版本、命令、参数）、已检查内容和仍不确定的内容。若分子解析或净化失败，报告并说明原因跳过，绝不静默丢弃或更改结构；若安装版本中缺少某函数、标志或端点，查阅已安装版本自身的文档并告知用户，绝不虚构 API；若必需输入、标识符或参数不明确，询问用户或在运行前明确说明假设。完整性规则：绝不捏造结果、参数、标识符、引用或统计数据；计算预测是假设而非实验结果，应如此标注；版本特定细节可能已过时，请对照已安装版本的官方文档确认；在涉及花钱、消耗共享 GPU 或云配额、触及个人或患者数据或不可撤销的操作前先询问。