用途:TorchDrug 是面向药物发现与分子科学的 PyTorch 机器学习工具箱,可将图神经网络、预训练模型和任务定义应用于分子、蛋白质及生物知识图谱。
主要能力:分子性质预测(ADMET、毒性、活性等);蛋白质建模(序列与结构、功能与相互作用预测);生物医学知识图谱链接预测;分子生成与性质引导优化;逆合成与合成路线规划。内置 40 多个数据集与 20 多种模型架构,包括 GIN、GAT、SchNet、GearNet、ESM、TransE、RotatE、ComplEx、GCPN 等。
使用方式:安装可使用 uv pip install torchdrug,或 uv pip install torchdrug[full] 安装可选依赖。基本流程为加载 datasets、定义 models 与 tasks,再用 PyTorch 或 PyTorch Lightning 训练。可与 RDKit 互转分子对象,也可加载 AlphaFold/ESM 预测结构构建蛋白质图。
适用场景:分子性质与毒性筛选、蛋白质功能与结构预测、药物重定位、从头分子设计、逆合成路线规划等科研与开发任务。
限制:资料未提供收费、价格、平台支持与具体效果数据,暂未提供。