用途：molfeat 是面向分子机器学习的特征化库，把化学结构（SMILES 字符串或 RDKit 分子）转换为机器学习可用的数值表示，服务于 QSAR 建模、虚拟筛选、相似性搜索、化学空间分析与分子深度学习等任务。
主要能力：库按三层组织——molfeat.calc 计算器（单分子转特征向量）、molfeat.trans 转换器（scikit-learn 兼容、支持并行与批处理）、molfeat.trans.pretrained 预训练转换器（深度学习模型批量推理与缓存）。覆盖 ECFP、MACCS、MAP4 等指纹，RDKit 2D 描述符、Mordred 描述符，以及 ChemBERTa、ChemGPT、GIN、Graphormer 等预训练模型；可用 FeatConcat 拼接多个特征器，并用 ModelStore 浏览和检索可用特征器。
安装：uv pip install molfeat；全部可选依赖用 uv pip install "molfeat[all]"；按需安装 molfeat[transformer]、molfeat[dgl]、molfeat[graphormer]、molfeat[fcd]、molfeat[map4]。
使用方式：用 FPCalculator("ecfp", radius=3, fpSize=2048) 等构造计算器，传入 MoleculeTransformer(calc, n_jobs=-1) 做批量并行特征化；预训练模型用 PretrainedMolTransformer("ChemBERTa-77M-MLM", n_jobs=-1) 获取嵌入。可与 scikit-learn Pipeline 集成，用 to_state_yaml_file/from_state_yaml_file 保存与复现配置，ignore_errors=True 跳过无效分子。
限制：部分预训练模型需额外依赖，首次运行较慢，后续依赖缓存；大数据集可能需分块处理以控制内存；资料未提供收费、价格与性能基准等具体信息。