药物发现

torchdrug 是一套以 PyTorch 為核心的分子與蛋白質機器學習工具箱。你可以透過 torchdrug 技能來選擇任務、資料集與模組化模型，涵蓋圖神經網路、蛋白質建模、知識圖譜推理、分子生成與逆合成。它最適合客製化模型開發與可重現的設定，而不只是現成示範。

rdkit 技能可協助你精準處理化學資訊工作流程：解析 SMILES、SDF、MOL、PDB 與 InChI；計算描述子；產生指紋；執行子結構搜尋；處理反應；以及建立 2D/3D 座標。這份 rdkit 指南適合進階控制、自訂清理，以及用 rdkit 進行 Data Analysis 工作流程。

Rowan 是一個雲端原生的分子建模與藥物化學工作流程平台，提供 Python API。rowan 技能特別適合批次 pKa 預測、構象與互變異構體集合、對接、共摺疊、分子動力學、滲透性與描述子工作流程；當你需要可重現、可程式化的執行，又不想自行管理本機 HPC 或 GPU 基礎架構時，它會是很好的選擇。

pytdc 是一個支援 Therapeutics Data Commons 的技能，提供可直接供 AI 使用的藥物發現資料集與基準，涵蓋 ADME、毒性、DTI、DDI、生成、scaffold 切分，以及藥理預測。

primekg 是一個供學術研究使用的 PrimeKG 知識圖譜技能，可串連基因、藥物、疾病、表型與路徑，支援以證據為導向的生醫探索與藥物再定位。

molecular-dynamics 技能可協助你使用 OpenMM 和 MDAnalysis 來設定、執行並分析分子動力學模擬，適用於 Scientific workflows。可用於蛋白質穩定性、配體結合、構形採樣，以及 RMSD、RMSF、接觸圖與自由能面等軌跡分析。內容重點放在實作導向的設定、力場與可重現的執行流程。

medchem 是一個用於 Scientific 工作流程的藥物化學篩選技能。可用來套用 Lipinski、Veber、PAINS、結構警示與複雜度指標，進行化合物優先排序、資料庫清理、先導化合物最佳化與化合物品質審查。