用途：对药物候选分子做 ADMET 与成药性综合评估，输入为药物名称或 SMILES 字符串，覆盖理化性质、药代动力学与毒性风险。
主要能力：先经 PubChem 解析化合物身份（名称→CID→SMILES）并验证输入；再用 ADMETAI_predict_physicochemical_properties、SwissADME_check_druglikeness 与 SwissADME_calculate_adme 评估 Lipinski/Veber 等规则及 PAINS、Brenk 警报；用 ADMETAI_predict_solubility_lipophilicity_hydration 预测溶解度与亲脂性。ADME 部分含 ADMETAI_predict_BBB_penetrance（血脑屏障）、ADMETAI_predict_bioavailability（口服生物利用度）、ADMETAI_predict_CYP_interactions（CYP450 底物/抑制剂）、ADMETAI_predict_clearance_distribution（分布、清除、蛋白结合）。毒性部分含 ADMETAI_predict_toxicity（AMES、DILI、hERG、ClinTox、LD50、皮肤反应、致癌性）、ADMETAI_predict_nuclear_receptor_activity、ADMETAI_predict_stress_response，并调用 PubChemTox 系列工具获取实验毒性值、GHS 分类、急性效应、致癌分类、靶器官与毒性摘要；ChEMBL_get_molecule 提供最高临床阶段等监管信息。可选用 TDC_predict_oracle_score 做本地快速打分。
使用方式：ADMETAI 工具依赖本地模型，需先执行 uv pip install 'tooluniverse[ml]'，可用 tooluniverse-doctor 检查可选组；ADMETAI 的 smiles 参数为列表，SwissADME 为单个字符串。分析需按身份解析、理化与成药性、ADME、毒性、评分表五个阶段执行，所有结论标注 T1 监管/T2 实验/T3 计算证据等级，最终输出含 13 类指标的 PASS/WARN/FAIL 评分表与解释。计算类分析应实际编写并运行 Python 代码而非仅描述。
适用场景：药物候选早期筛选、成药性评估、毒性风险与药物相互作用预判、CNS 或外周药物血脑屏障判断。
限制：ADMET-AI 预测属筛选工具而非定论，需实验数据优先；首次调用会输出 PyTorch 相关警告，非错误；有资料指出 TDC_load_dataset 当前存在加载失败问题，不建议围绕其构建流程；缺失实验数据的全新化合物只能给出计算预测。其他具体限制官方资料未完整提供。