pytdc

pytdc 技能概覽

pytdc 是做什麼的

pytdc 是用來在 AI 驅動的藥物發現工作流程中使用 Therapeutics Data Commons 的技能。它能幫你取得經過整理、可直接供 AI 使用的資料集與基準，用於 ADME、毒性、生物活性、drug-target interaction、drug-drug interaction、生成，以及相關評估任務，而不必自己硬生生設計資料結構。

適合誰安裝

如果你在做 therapeutic ML、藥理預測，或是在標準化切分與指標下做模型基準測試，建議安裝 pytdc 技能。對需要可重現資料存取的資料科學家來說，它非常合適；但如果你只需要一個泛用的化學提示，完全不涉及資料載入或評估流程，那它就沒那麼適合。

為什麼它重要

pytdc 技能的核心價值不只是資料集存取，而是它周邊那套結構：針對任務的 loader、像 scaffold 或 cold split 這類標準切分，以及對基準測試友善的評估選項。這能降低藥物發現工作裡常見的導入障礙，因為不一致的前處理與臨時切分方式，常常會讓結果難以信任。

如何使用 pytdc 技能

在你的環境中安裝 pytdc

先使用技能說明中的安裝指令：
uv pip install PyTDC

如果要更新既有環境，使用：
uv pip install PyTDC --upgrade

如果你的工作流程使用的是不同的套件管理工具，就把相同的套件名稱映射到那個環境裡，不要改寫這個技能原本的假設。

先從對的檔案開始看

先從 SKILL.md 開始，接著在直接進入程式碼前，閱讀 overview、when to use、installation、quick start 這幾段。如果你需要更廣的專案脈絡，可以再檢查 repo 透過技能檔案樹提供的鄰近文件；在這個 repository 裡，技能內容本身就是主要的可信來源。

把模糊目標變成可用的提示

pytdc usage 在你的提示詞明確寫出任務、資料集家族、切分策略與輸出目標時，效果最好。比起只說「幫我用 PyTDC」，更好的問法例如：

• 「在 pytdc 中載入一個 ADME 資料集，使用 scaffold split，並準備一個基準 regression workflow。」
• 「示範一個用於 DTI benchmarking 的 pytdc guide，包含 train/validation/test split 與 metric reporting。」
• 「針對毒性資料集設定 pytdc for Data Analysis，並摘要 label balance、missingness 與 split design。」

這些細節能幫技能選到正確的任務路徑，避免產生與你的實驗不相符的泛用程式碼。

通常最有效的工作流程

先辨識 therapeutic task，再確認 dataset class 與 split policy，接著載入資料並在建模前檢查標籤。如果你是在做 benchmarking，應該及早決定要用 scaffold split、cold split，或其他預先定義好的評估設定，因為這個選擇對可比性造成的影響，往往比模型本身還大。

pytdc 技能 FAQ

pytdc 只適用於藥物發現模型嗎？

大致上是。pytdc 技能是圍繞 therapeutic ML 與藥理用途設計的，尤其偏向資料集與基準測試，而不是通用的表格分析。如果你的專案跟化合物、蛋白質或藥物交互作用任務無關，通常會有其他技能更適合。

使用這個技能前一定要先懂 PyTDC 嗎？

不用。這個技能對能用自然語言描述資料集目標的初學者也很有幫助。最重要的是把目標任務、想要的 split，以及你要做的是分析、預測還是生成，講得夠清楚。

這跟一般提示詞有什麼不同？

一般提示詞可以描述一次性的載入或建模步驟，但當你需要可重複的資料存取與 benchmark 規範時，pytdc 技能會更有用。特別是在你需要標準切分與評估慣例、讓結果更容易比較時，這點尤其重要。

什麼情況下不該用 pytdc？

如果你不需要 TDC 資料集或 therapeutic benchmarks，就不要用 pytdc；或者你只想看 medicinal chemistry 的高層次概念概覽，也不適合。若你的資料是專有資料，而且跟支援的 therapeutic task families 無關，這也不是最佳選擇。

如何改進 pytdc 技能

先講任務，再講模型想法

對 pytdc 來說，最有幫助的改進，是把問題框架講得更清楚。先說你需要 property prediction、DTI、DDI、molecule generation，還是 retrosynthesis，再提 architecture 或 metrics。這樣技能才能選對資料集與前處理假設。

明確指定切分與指標期待

很多失敗都來自評估條件不夠具體。如果你在意 scaffold split、cold split、ROC-AUC、PR-AUC、RMSE，或 ranking metrics，請在 pytdc 提示詞一開始就說清楚。當 split strategy 和 metric 在建模討論開始前就固定下來，輸出通常會好很多。

交代你的限制與資料形狀

如果你需要能直接放進 notebook 的程式碼、輕量級的資料稽核，或要和特定技術堆疊相容，請把這些條件一起寫進請求裡。若是 pytdc for Data Analysis，也要說明你想看 class balance、missing-value checks、descriptor summaries，還是 train/test leakage risk checks，這樣輸出才會聚焦在正確的診斷項目上。

透過收斂資料集目標來反覆修正

如果第一次的回答太廣，就用資料集家族、任務類型與輸出格式把範圍收窄。更好的後續追問可以是：「沿用同一個 pytdc workflow，但改成 toxicity classification，使用 scaffold split，並只回傳資料載入與評估步驟。」