liugangcode/torch-molecule

torch‑molecule – 分子発見のためのディープラーニング（sklearnスタイルAPI）

何であるか – PyTorchに基づくPythonライブラリで、研究者やエンジニアが分子AIモデル（予測、生成、表現）を、馴染み深いscikit‑learnスタイルのインターフェースを使って訓練・評価・デプロイできるようにします。

なぜ重要か – 分子発見（ドラッグ設計、材料科学、毒性予測など）は、グラフニューラルネットワークやTransformerモデルにますます依存しています。torch‑moleculeは、最新のアーキテクチャ、事前学習済みチェックポイント、ベンチマークデータセットを多数統合し、データ処理、モデル構築、ハイパーパラメータチューニングのボイラープレートを隠蔽しています。

---

主なコンポーネント

コンポーネント	機能	例モデル
予測モデル	分子グラフまたはSMILES文字列に対する教師あり回帰／分類	GRIN, BFGNN, GREA, DIR, SGIR, GNNs, Transformer (SMILES), LSTM (SMILES)
生成モデル	デノボ分子生成、条件付き生成、スケルトンガイド付きサンプリング	DeFoG, Graph DiT, DiGress, GDSS, MolGPT, JTVAE, GraphGA, 事前学習済み生成器（NovoMolGen, MolGen‑large, Molexar, SAFE‑GPT）
表現モデル	下流タスク用のグラフまたはSMILESエンコーダの自己教師付き事前学習	MoAMa, GraphMAE, AttrMasking, ContextPred, EdgePred, InfoGraph, BERT/GPTスタイルの多数の事前学習モデル

バンドルされたデータセット

• qm9 – 量子化学的性質（約134,000分子）
• chembl2k / broad6k – 薬物様バイオアクティビティデータ
• toxcast – 毒性ラベル
• admet – 吸収／分布／代謝／排泄／毒性
• gasperm – ポリマーのガス透過性
• zinc250k – 無標識ZINCサブセット（無条件生成用）

すべて torch_molecule.datasets.load_<name>() でロードでき、.data（SMILESリスト）と .target（numpy配列または None）を持つシンプルなオブジェクトを返します。

インストール

# 新しいconda環境を作成（Python 3.11推奨）
conda create -n torch_molecule python=3.11.7 && conda activate torch_molecule

# PyPIからパッケージをインストール
pip install torch-molecule

最新のソースを使用する場合：

git clone https://github.com/liugangcode/torch-molecule
cd torch-molecule
pip install .

一部のモデルには追加の依存関係が必要（例：torch-scatter, transformers, selfies, fragment-selfies, molexar, safe-mol）。READMEに正確な pip コマンドが記載されています。

一般的なワークフロー（予測例）

from torch_molecule.datasets import load_qm9
from torch_molecule import GREAMolecularPredictor

# 1️⃣ データをロードして分割
qm9 = load_qm9(local_dir='torchmol_data')
train, val = qm9.train_test_split(test_size=0.2, method='scaffold', seed=42)

# 2️⃣ モデルをインスタンス化（sklearnスタイル）
model = GREAMolecularPredictor(
    num_task=1,
    task_type='regression',
    evaluate_higher_better=False,
    verbose='progress_bar'
)

# 3️⃣ ハイパーパラメータを自動チューニングして適合
model.autofit(
    X_train=train.data, y_train=train.target,
    X_val=val.data,   y_val=val.target,
    n_trials=10
)

# 4️⃣ 新しいSMILESに対して予測
preds = model.predict(['C1=CC=CC=C1', 'CCO'])

同じパターンは生成モデル（HFPretrainedMolecularGenerator）や表現エンコーダにも適用可能。

チェックポイントの取り扱い

• Hugging Faceに保存 – model.save_to_hf(repo_id='user/repo', task_id='qm9_grea', ...)
• Hugging Faceからロード – model.load_from_hf(repo_id='user/repo', local_cache='.../GREA_qm9.pt')
• ローカル保存／ロード – model.save_to_local('qm9_grea.pt') と model.load_from_local('qm9_grea.pt')

拡張性

• 新しいデータセットはローダ関数を貢献することで追加可能。
• コミュニティ貢献者により、多くの事前学習済み生成器（MolGen, Molexar, SAFE‑GPT）とデータセット分割ユーティリティが統合済み。
• ライブラリはオープンソース。プルリクエストを歓迎しています。

---

要するに – torch‑moleculeは、最新のグラフおよびTransformerベースの分子AIのためのワンストップ、sklearnスタイルのツールボックスを提供し、ベンチマークデータ、事前学習済みチェックポイント、簡単なモデル永続化を備えています。