pytdc

pytdc 技能概览

pytdc 是做什么的

pytdc 是用于在 AI 驱动的药物发现工作流中使用 Therapeutics Data Commons 的技能。它可以帮助你直接获取经过整理、适合 AI 训练的数据集和基准，覆盖 ADME、毒性、生物活性、药物-靶点相互作用、药物-药物相互作用、生成任务以及相关评估任务，而不必自己发明一套数据 schema。

适合谁安装

如果你在做治疗性 ML、药理预测，或者需要在标准化划分和指标上对模型做 benchmark，就应该安装 pytdc 技能。对于需要可复现数据访问的数据科学家来说，它非常合适；但如果你只是想要一个通用的化学提示词、并不涉及数据加载或评估步骤，那它就不太适合。

为什么它重要

pytdc 技能的核心价值不只是数据集访问本身，而是围绕数据集建立起来的结构化能力：针对任务的 loader、诸如 scaffold split 或 cold split 之类的标准划分，以及更适合 benchmark 的评估选项。这样可以减少药物发现工作里常见的落地阻力——比如预处理不一致、划分方式随意，都会让结果很难被信任。

如何使用 pytdc 技能

在你的环境中安装 pytdc

先使用技能说明里的安装命令：
uv pip install PyTDC

如果要更新已有环境，使用：
uv pip install PyTDC --upgrade

如果你的工作流使用的是其他包管理器，把同样的包名映射到那个环境里即可，不要改写这套技能默认的假设。

先从正确的文件开始

先看 SKILL.md，然后再读 overview、when to use、installation 和 quick start 这些部分，再进入代码。如果你需要更完整的项目上下文，可以查看 repo 通过 skill 文件树暴露出来的相邻文档；在这个仓库里，skill 内容本身就是主要事实来源。

把模糊目标转成可用提示词

pytdc usage 最好在提示词里明确写出任务、数据集家族、划分策略和输出目标。比如，不要只说“帮我用 PyTDC”，而应改成：

• “在 pytdc 里加载一个 ADME 数据集，使用 scaffold split，并准备一个 baseline 回归流程。”
• “给出一个用于 DTI benchmarking 的 pytdc guide，包含 train/validation/test 划分和指标报告。”
• “在毒性数据集上设置 pytdc for Data Analysis，并总结标签平衡、缺失情况和划分设计。”

这些细节能帮助技能选择正确的任务路径，避免生成与实验不匹配的通用代码。

通常最有效的工作流

先明确治疗任务，再确认数据集类别和划分策略，然后加载数据、检查标签，最后再建模。如果你是在做 benchmark，尽早决定是需要 scaffold split、cold split 还是其他预定义评估方案，因为这类选择对可比性的影响通常比模型选择更大。

pytdc 技能常见问题

pytdc 只适用于药物发现模型吗？

大体上是的。pytdc 技能围绕治疗性 ML 和药理学场景构建，重点是数据集和 benchmark，而不是通用表格分析。如果你的项目与化合物、蛋白质或药物相互作用无关，通常别的技能会更合适。

使用这个技能前需要先熟悉 PyTDC 吗？

不需要。这个技能对能用自然语言描述数据集目标的初学者同样有用。最重要的是把目标任务、所需划分，以及你要做的是分析、预测还是生成说清楚。

它和普通提示词有什么不同？

普通提示词可以描述一次性的加载或建模步骤，但 pytdc 技能更适合你想要可重复的数据访问和更严格的 benchmark 纪律时使用。尤其当你需要标准划分和统一评估惯例，让结果更容易比较时，它的价值会更明显。

什么情况下不该用 pytdc？

如果你不需要 TDC 数据集或治疗性 benchmark，或者你只是想快速了解 medicinal chemistry 的高层概念，就不该用 pytdc。如果你的数据是专有数据，而且与支持的治疗任务家族无关，它也不是最佳选择。

如何改进 pytdc 技能

先给出任务，再谈模型想法

对 pytdc 请求来说，最有用的改进往往是把问题定义得更清楚。先说明你需要 property prediction、DTI、DDI、molecule generation 还是 retrosynthesis，再提架构或指标。这样技能才能选择正确的数据集和预处理假设。

明确划分方式和指标预期

很多失败都来自评估要求说得不够具体。如果你在意 scaffold split、cold split、ROC-AUC、PR-AUC、RMSE 或 ranking metrics，就要在 pytdc 提示词里提前写明。最好在开始建模讨论之前，就先固定划分策略和指标，这样输出会明显更好。

说明你的约束和数据形态

如果你需要适合 notebook 的代码、轻量级数据审计，或者要兼容某个特定技术栈，也要一并写进请求里。对于 pytdc for Data Analysis，请说明你想看 class balance、缺失值检查、descriptor 汇总，还是 train/test leakage 风险检查，这样输出才能聚焦在正确的诊断项上。

通过收窄数据集目标来迭代

如果第一次回答太泛，就按数据集家族、任务类型和输出格式继续收窄。更好的追问可以是：“保持同样的 pytdc 工作流，但切换到 toxicity classification，使用 scaffold split，并且只返回数据加载和评估步骤。”