deepchem

DeepChem - 分子机器学习与药物发现 Python 库

技能概述

DeepChem 是一个专为化学、材料科学和生物学设计的 Python 机器学习库，提供分子数据加载、特征化、图神经网络和预训练模型，用于分子属性预测和药物发现。

适用场景

1. 分子属性预测

当需要预测分子的理化性质或生物活性时，例如溶解度、毒性、结合亲和力或 ADMET 性质。DeepChem 提供 30+ MoleculeNet 基准数据集和多种模型选择，从随机森林到图神经网络。

2. 药物发现与筛选

适用于药物研发中的先导化合物筛选、活性预测和毒性评估。支持基于分子骨架的数据划分（Scaffold Splitter），避免相似分子在训练和测试集间泄漏，确保模型评估可靠性。

3. 小样本迁移学习

当实验数据量有限（<1000 样本）时，可使用 ChemBERTa、GROVER、MolFormer 等预训练模型进行微调，获得比从头训练更好的预测性能。

核心功能

分子数据加载与特征化

支持多种化学数据格式（SMILES、SDF、FASTA），提供 20+ 种特征化方法：分子指纹（ECFP）、描述符、图表示、3D 结构等。根据模型类型自动推荐合适的特征化方案。

图神经网络模型

内置 GCN、GAT、MPNN、AttentiveFP 等图神经网络架构，专为分子结构设计。配合 MolGraphConvFeaturizer 或 DMPNNFeaturizer，可端到端学习分子表示。

MoleculeNet 基准测试

一键加载 Tox21、BBBP、Delaney、QM9 等 30+ 标准基准数据集，提供标准化的训练/验证/测试划分和评估指标，方便模型对比和性能基准测试。

常见问题

DeepChem 适合初学者使用吗？

适合。DeepChem 提供 MoleculeNet 预置数据集和简洁 API，可快速开始分子机器学习实验。建议从随机森林 + 分子指纹的简单组合入手，再逐步尝试深度学习模型。

小数据集应该选择什么模型？

对于 <1000 样本的数据集，推荐使用迁移学习（ChemBERTa 或 GROVER）预训练模型微调，或使用传统的随机森林/XGBoost 配合分子指纹。深度学习模型在小数据集上容易过拟合。

DeepChem 和 torchdrug 有什么区别？

DeepChem 优势在于多样化的特征化方法和丰富的预置数据集（MoleculeNet），适合快速实验和传统 ML 工作流。torchdrug 更专注于 PyTorch 图神经网络，适合需要高度定制化的图模型研究。