PyTDC - Therapeutics Data Commons 药物发现数据集技能

技能概述

PyTDC 是一个开源的药物发现机器学习数据平台，提供 AI-ready 的药物发现数据集和标准化基准测试工具，涵盖药物发现全流程的 ADME 性质预测、毒性评估、药物靶点相互作用和分子生成任务。

适用场景

1. 药物发现与机器学习研究

当你需要为药物发现项目寻找高质量、标准化的训练数据时，PyTDC 提供经过精心整理的药物发现数据集，包括分子性质预测、药物靶点相互作用、药物相互作用等多种任务类型，每个数据集都配有推荐的训练/验证/测试分割策略。

2. 药物性质预测和模型基准测试

在评估机器学习模型在药物发现任务上的性能时，PyTDC 提供 ADMET 基准组等专业评测套件，包含 22 个覆盖吸收、分布、代谢、排泄和毒性的数据集，支持 5 种子随机评测协议，确保模型评估的科学性和可重复性。

3. 分子生成与药物设计

在进行目标导向的分子生成和药物优化时，PyTDC 提供 17+ 个分子性质预测器（Oracle），可以实时评估生成分子的药物活性、选择性、ADMET 性质等关键指标，配合 ChEMBL 等大规模分子数据集，支持新药分子的高效筛选和优化。

核心功能

1. AI-ready 药物发现数据集

提供覆盖药物发现全流程的标准化数据集，包括单实例预测（ADME、毒性、生物活性）、多实例预测（药物靶点相互作用 DTI、药物相互作用 DDI、蛋白质相互作用 PPI）和生成任务（分子生成、逆合成分析），所有数据集可直接用于机器学习模型训练，支持多种数据格式和分割策略。

2. 多种数据分割策略和标准化评估工具

提供 scaffold（基于分子骨架）、random（随机）、cold_drug（冷启动药物）、cold_target（冷启动靶点）等多种数据分割方法，确保模型评估的真实性和泛化能力；内置 ROC-AUC、RMSE、MAE、R2 等标准化评估指标，支持药物发现领域常见的分类和回归任务评测。

3. 分子生成预测器和基准测试组

集成 17+ 个分子性质预测器，包括药物靶点活性（GSK3β、JNK3、DRD2 等）、药物选择性、ADMET 性质等，可用于目标导向的分子生成和优化；提供 ADMET、药物靶点相互作用等专业基准测试组，采用多随机种子的评测协议，支持系统性的模型性能对比和科研复现。

常见问题

PyTDC 是什么，适合做什么项目？

PyTDC（Therapeutics Data Commons）是一个专注于药物发现的开源数据平台，适合开展药物性质预测（如 ADME、毒性）、药物靶点相互作用预测、分子生成与优化、药物相互作用预测等机器学习项目。项目特点包括数据质量高、分割策略科学、评估标准统一，特别适合药物发现领域的机器学习研究和模型基准测试。

PyTDC 提供哪些类型的数据集？

PyTDC 的数据集按任务类型分为三大类：单实例预测（单个分子的性质预测，如 ADME、毒性、量子力学性质）、多实例预测（分子间的相互作用预测，如药物靶点结合、药物相互作用、蛋白质相互作用）和生成任务（分子生成、逆合成、成对分子生成）。总计提供 77+ 个精心整理的数据集，涵盖药物发现的主要应用场景。

如何开始使用 PyTDC？

使用 uv pip install PyTDC 安装后，通过 from tdc.<problem> import <Task> 导入特定任务模块，例如 from tdc.single_pred import ADME 加载 ADME 数据集。每个数据集都支持 data.get_split() 方法获取训练/验证/测试数据，支持 scaffold、random 等多种分割策略。官方提供了详细的文档和示例脚本，包括数据加载、模型训练、基准评测等完整工作流程。