PyTDC（Therapeutics Data Commons）是面向药物发现与开发的开放科学平台，提供 AI 就绪的数据集与基准测试。
用途 PyTDC 用于在标准化治疗相关机器学习任务上访问整理好的数据集并进行基准测试，覆盖药物发现与开发全流程。适合的场景包括：处理药物发现或治疗 ML 数据集；在标准化制药任务上对机器学习模型进行基准测试；预测分子性质（ADME、毒性、生物活性）；预测药物-靶点或药物-药物相互作用；生成具有目标性质的新分子；使用带有正确训练/测试划分（scaffold、cold-split）的数据集；使用分子 oracle 进行性质优化。
主要能力 平台将任务组织为三大类：
- 单实例预测：预测单个生物医学实体（分子、蛋白质等）的性质。任务类别包括 ADME（吸收、分布、代谢、排泄，如 Caco2 肠道渗透性、HIA 人体肠道吸收、生物利用度、亲脂性、溶解度、血脑屏障穿透、CYP 代谢等）、Toxicity（毒性，如 hERG 心脏毒性、AMES 致突变性、DILI 药物性肝损伤、致癌性、ClinTox 临床试验毒性等）、HTS（高通量筛选生物活性预测）、QM（量子力学性质）以及 Yields、Epitope、Develop、CRISPROutcome 等。数据通常返回 DataFrame，含 Drug_ID/Compound_ID、Drug/X（SMILES 或分子表示）、Y（目标标签）等列。
- 多实例预测：预测多个生物医学实体之间相互作用的性质。包括 DTI（药物-靶点相互作用，如 BindingDB_Kd、BindingDB_IC50、BindingDB_Ki、DAVIS、KIBA）、DDI（药物-药物相互作用，如 DrugBank，多分类任务）、PPI（蛋白-蛋白相互作用）以及 GDA、DrugRes、DrugSyn、PeptideMHC、AntibodyAff、MTI、Catalyst、TrialOutcome 等。
- 生成任务：生成具有目标性质的新生物医学实体。包括 MolGen（分子生成，如 ChEMBL_V29，可结合 oracle 优化）、RetroSyn（逆合成，如 USPTO）、PairMolGen（配对分子生成，如 Prodrug）。
此外还提供基准组（如 ADMET 基准组，含 22 个数据集，需要 5 个随机种子的评估协议）、数据函数（数据划分、模型评估、数据处理、分子生成 oracle）、高级功能（检索可用数据集、标签变换、数据库查询等）。数据处理工具包括分子格式转换（SMILES、SELFIES、PyG、DGL、ECFP 等）、分子过滤（PAINS、类药性）、标签二值化与单位转换、数据平衡、负采样、图变换、实体检索等。平台提供 17+ 个分子优化 oracle 函数。
使用方式
安装：uv pip install PyTDC；升级：uv pip install PyTDC --upgrade。核心依赖（numpy、pandas、tqdm、seaborn、scikit_learn、fuzzywuzzy）自动安装，特定功能所需的其他包会按需自动安装。
基本访问模式： from tdc.<problem> import <Task> data = <Task>(name='<Dataset>') split = data.get_split(method='scaffold', seed=1, frac=[0.7, 0.1, 0.2]) df = data.get_data(format='df')
其中 <problem> 为 single_pred、multi_pred 或 generation 之一。
数据划分支持 method='scaffold'、'random'、'cold_drug'、'cold_target'、'cold_drug_target'、'temporal' 等策略。模型评估使用 from tdc import Evaluator，可用指标包括 ROC-AUC、PR-AUC、F1、Accuracy、RMSE、MAE、R2、Spearman、Pearson 等。分子 oracle 使用 from tdc import Oracle，可对单个或多个 SMILES 打分。平台还附带 scripts 与 references 资源（如 load_and_split_data.py、benchmark_evaluation.py、molecular_generation.py 以及 datasets.md、oracles.md、utilities.md）。
适用场景与限制 适用场景覆盖治疗 ML 数据集处理、标准化基准测试、分子性质与相互作用预测、目标导向分子生成等。资料中未提供关于收费、价格、性能效果或具体使用限制的说明，暂未提供。
资源 官方网站：https://tdcommons.ai 文档：https://tdc.readthedocs.io GitHub：https://github.com/mims-harvard/TDC 论文：NeurIPS 2021 - "Therapeutics Data Commons: Machine Learning Datasets and Tasks for Drug Discovery and Development"