用途：TorchDrug 是面向药物发现与分子科学的 PyTorch 原生工具箱，用图神经网络处理分子、蛋白质和生物医学知识图谱，支持分子性质预测、蛋白质建模、知识图谱推理、分子生成、逆合成规划等任务。
主要能力：提供分子性质预测（ADMET、毒性、量子化学、结合亲和力）、蛋白质建模（酶功能、稳定性、亚细胞定位、相互作用、结构预测）、知识图谱推理（药物重定位、疾病机制、基因-疾病关联）、分子生成（自回归、GCPN、GraphAutoregressiveFlow）、逆合成（USPTO-50k、CenterIdentification、SynthonCompletion）。模型涵盖 GCN、GAT、GIN、RGCN、MPNN、SchNet、GearNet、ESM、ProteinBERT、TransE、RotatE、ComplEx 等，内置 40+ 数据集与 20+ 架构。
使用方式：安装命令为 uv pip install torchdrug，可选依赖用 uv pip install torchdrug[full]。基本流程是加载数据集（如 datasets.BBBP）、定义模型（如 models.GIN）、创建任务（如 tasks.PropertyPrediction），再用 PyTorch 优化器训练。可与 RDKit 转换分子、与 AlphaFold/ESM 结合使用蛋白质结构、用 PyTorch Lightning 封装任务。
适用场景：分子性质预测、蛋白质功能预测、药物重定位、从头分子生成、逆合成路线规划等科研计算任务。
限制：随机划分评估可能偏乐观，分子任务建议用 scaffold 划分；大图训练易出现内存问题，需减小 batch 或梯度累积；生成分子可能无效，需后处理验证。文档、代码与参考文件见 torchdrug.ai/docs 与 GitHub 仓库。