技能介绍

要解决什么问题

在药物发现、材料设计和生物分子分析里，常见痛点是：分子来自 SMILES、SDF、序列等多种格式，不能直接丢进常规表格 ML；属性任务（溶解度、毒性、结合亲和力、ADMET）又容易因结构相似分子同时进训练/测试集而虚高指标。DeepChem 技能把 DeepChem 的工作流收敛成可执行的决策：从加载、特征化、分割到选模型与基准对比。

技能如何工作

数据与特征：用 CSVLoader、SDFLoader、FASTALoader 等加载数据；小数据集可优先 图特征化（如 MolGraphConvFeaturizer、DMPNNFeaturizer），迁移学习可走 GroverFeaturizer 等预训练特征路径。

分割与建模：药物发现类任务应优先 ScaffoldSplitter，避免 scaffold 泄露；还可选 ButinaSplitter、MaxMinSplitter 等。模型侧可按规模选型——分子属性常用 GCN / AttentiveFP / DMPNN；小样本可上 ChemBERTa、GROVER、MolFormer；晶体/材料用 CGCNN、MEGNet；蛋白序列用 ProtBERT。

基准与参考：load_tox21()、load_bbbp()、load_delaney() 等 MoleculeNet 接口便于对齐文献结果；技能内 references/api_reference.md 与 references/workflows.md 覆盖 API 细节和八条端到端流程模板。

适用边界与注意点

图模型与全功能栈对 PyTorch 等依赖 有要求；出现 ModuleNotFoundError 时需按官方文档补装对应 extra，而不是硬改 import。
小数据集易过拟合：可加大 dropout、换更简单基线（如 Random Forest），或明确走迁移学习并适当延长训练轮数。
复杂多步工作流（超参搜索、GAN 生成分子、自定义模型集成）更适合按 workflows 文档分步实现，而不是假设「一个默认模型通吃所有任务」。