Molecular ML with diverse featurizers and pre-built datasets. Use for property prediction (ADMET, toxicity) with traditional ML or GNNs when you want extensive featurization options and MoleculeNet benchmarks. Best for quick experiments with pre-trained models, diverse molecular representations. For graph-first PyTorch workflows use torchdrug; for benchmark datasets use pytdc.

使用多种特征提取器和预构建数据集的分子机器学习。当您需要丰富的特征提取选项和MoleculeNet基准时，可将其用于性质预测（如ADMET、毒性）与传统机器学习或图神经网络（GNN）结合使用。最适合使用预训练模型和多样分子表示进行快速实验。对于以图为主的PyTorch工作流程，请使用torchdrug；对于基准数据集，请使用pytdc。