药物发现

torchdrug 是一个原生 PyTorch 的分子与蛋白质机器学习工具包。使用 torchdrug 技能来选择任务、数据集和模块化模型，覆盖图神经网络、蛋白质建模、知识图谱推理、分子生成和逆合成。它更适合自定义模型开发和可复现配置，而不只是现成演示。

rdkit 技能适用于需要精细控制的化学信息学工作流：解析 SMILES、SDF、MOL、PDB 和 InChI；计算描述符；生成指纹；执行子结构检索；处理反应；以及构建 2D/3D 坐标。将这份 rdkit 指南用于高级控制、自定义 sanitize，以及面向数据分析的 rdkit 工作流。

Rowan 是一个云原生的分子建模与药物化学工作流平台，提供 Python API。rowan 技能最适合用于批量 pKa 预测、构象体与互变异构体集合、对接、共折叠、分子动力学、渗透性以及描述符工作流，尤其适合希望通过可复现、可编程方式运行，又不想自行管理本地 HPC 或 GPU 基础设施的场景。

pytdc 是面向 Therapeutics Data Commons 的技能，提供可直接用于 AI 的药物发现数据集和基准，覆盖 ADME、毒性、DTI、DDI、生成、scaffold 划分以及药理预测。

primekg 是面向学术研究的 PrimeKG 知识图谱技能，可关联基因、药物、疾病、表型和路径，用于以证据为导向的生物医学探索和药物再利用研究。

molecular-dynamics 技能帮助你使用 OpenMM 和 MDAnalysis 为 Scientific workflows 搭建、运行并分析分子动力学模拟。可用于蛋白稳定性、配体结合、构象采样，以及 RMSD、RMSF、接触图和自由能面等轨迹分析。它侧重于实用的搭建、力场选择和可复现执行。

medchem 是面向 Scientific 工作流的药物化学过滤技能。可用于应用 Lipinski、Veber、PAINS、结构警示和复杂度指标，帮助进行化合物优先级排序、库清理、先导优化和化合物质量审查。