ADMET 预测从图神经网络到 DeepSeek RAG 解释：CPU 全流程实测跑通

**摘要：**本文完整实测开源仓库 pritampanda15/ADMET-Prediction-System-Graph-Neural-Networks-with-RAG，在 Windows CPU 与 Linux GPU 双平台跑通基于图神经网络与 RAG 的 ADMET 预测全链路。系统覆盖 Caco-2、hERG、PPBR 等 8 项核心性质，实测 Caco2_Wang 回归测试集 MAE 0.39-0.46，并验证了 GCN/GAT/MPNN 三架构切换、DeepSeek 直连 RAG 解释、hERG 分类与 Streamlit UI。文章给出双平台安装命令、13 条踩坑修复，并剖析了该 RAG 方案相对"预测值直接丢给 LLM"的 4 个设计优势，以及按 P0/P1/P2 排序的 9 条待改进方向，适合作为教学原型或二次开发起点。

关键字：ADMET 预测；图神经网络；RAG 解释；TDC 数据集；PyTorch Geometric；DeepSeek；适用域；不确定性量化

§0. 相关教程与核心文献

资源	链接	与本文关系
项目仓库（本文主角）	github.com/pritampanda15/ADMET-Prediction-System-Graph-Neural-Networks-with-RAG	本文逐文件实读 + 实跑
TDC 数据集平台	tdcommons.ai	全部训练数据的官方源
PyTorch Geometric 官方文档	pytorch-geometric.readthedocs.io	GNN 层 API 参考
TDC 论文（数据基座）	Huang K et al. Therapeutics Data Commons . NeurIPS 2021. arXiv:2102.09548	22 个 ADMET 基准的官方出处
ChromaDB（向量库）	docs.trychroma.com	RAG 知识库持久化
RDKit SMILES 处理	rdkit.org/docs	分子→图的核心依赖

§1. 为什么这个仓库值得一看：8 项性质一站搞定，但有 3 个隐藏门槛

ADMET 早期筛选需要至少 8 个性质同时给出判断：Caco-2、HIA、BBB、PPBR、CYP 抑制（2D6/3A4/2C9）、半衰期、hERG、AMES。这套系统把这 8 项 + 几个延伸（VDss、CYP 全部 3 种、清除率、DILI、LD50）一起打包，并自带 PyG 图神经网络 + ChromaDB RAG + Streamlit UI，是"个人开发者一站式"模板。

实测仓库代码（commit main，2025-12-07 创建）+ Windows CPU 全流程跑通后，3 个隐藏门槛你必须知道：

必须自备 LLM Key 。src/rag/llm_explainer.py 默认接 OpenAI，没有 Key 则 raise ValueError，RAG 解释直接挂。本文实测把它改成 DeepSeek 直连 （https://api.deepseek.com/v1，OpenAI 兼容接口），改 3 处即可，见 §4。
预训练模型 checkpoint 的真实情况（双平台实测修正） 。仓库里 models/best_model.pt（1.19 MB）是作者 2025-12-08 提交的真实 checkpoint，git clone 后即可直接推理，无需先训练------Linux 复测直接加载它对阿司匹林给出 -4.4342 的预测。想复现自己的模型再跑训练（CPU 约 25 分钟 / GPU 1 分钟内）。
Windows 上 PyG 和 PyTDC 各有一个安装坑 。conda 的 pyg channel 没有 win-64 包（必须 pip 装）；PyTDC 的 tiledbsoma 依赖要 C++ 编译（必须 --no-deps 绕开）。详见 §5 踩坑表。Linux 上 PyG 可直接 pip 装（无需 conda channel），但有自己的坑（~/.local 用户级包污染），同样见 §5。

绕开门槛的折中：只看分子描述符（MW/LogP/TPSA/氢键供受体等）和 GNN 架构本身------这两块不依赖 LLM Key 也不依赖 checkpoint。

§2. 环境准备：conda + GPU 双轨

这套系统依赖 PyTorch Geometric（PyG），它的二进制 wheel 在国内下载源常常不全。强烈建议 conda 装 PyTorch（自带 CUDA）再 pip 装 PyG ------全部走 pip 会触发 PyG 源码编译（要 gcc + nvcc + pybind11 一整套）。

2.1 GPU 版（消费级 GPU，CUDA 11.8/12.x 都行）

复制代码

conda create -n admet-gnn python=3.10 -y && conda activate admet-gnn
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia -y
pip install torch-geometric          # 注意：pyg conda channel 无 win-64 包，必须 pip
conda install rdkit -c conda-forge -y
pip install PyTDC --no-deps && pip install setuptools\<81 scikit-learn huggingface_hub fuzzywuzzy python-Levenshtein
pip install chromadb sentence-transformers openai langchain langchain-openai \
    mlflow streamlit pypdf python-dotenv pyyaml tqdm
git clone https://github.com/pritampanda15/ADMET-Prediction-System-Graph-Neural-Networks-with-RAG.git
cd ADMET-Prediction-System-Graph-Neural-Networks-with-RAG

Windows 实测注意（本文全程 Windows 11 + CPU 实跑）：

PyG 用 pip 不用 conda ：pyg channel 的 pytorch-geometric 无 win-64 包（PackagesNotFoundInChannelsError）。pip 装的 2.8.0 纯 Python 核心够跑 GCN/GAT/MPNN，torch-scatter 等加速扩展可不装。
PyTDC 必须 --no-deps ：它的 gget 依赖链里 tiledbsoma 要 C++ 编译，在 Windows 必失败。--no-deps 后手动补 scikit-learn huggingface_hub fuzzywuzzy python-Levenshtein 即可------TDC 的 ADME/Tox 数据加载不碰 gget。
setuptools<81 ：新版 setuptools 84 移除了 pkg_resources，PyTDC 的 metadata.py 直接 ModuleNotFoundError。
CPU 版把第 2 步换成 conda install pytorch torchvision torchaudio cpuonly -c pytorch -y。实测 Caco2_Wang（910 样本）× GCN × 100 epoch 在 CPU 上约 25 分钟。

§3. 跑通：从下载到推理（双平台实测）

第 1 步下载数据 ：python scripts/train_model.py --download-only 拉 TDC 的 Caco2_Wang。实测 910 条分子 （TDC 当前版本；早期文档写 906，2026-09 复核为 910），log Papp 单位 cm/s。数据划分是随机 split （data_loader.py 用 sklearn.train_test_split，分类任务才 stratify）------注意 Linux 复测读源码后确认：不是 scaffold split，测试集与训练集可能共享骨架，指标天然偏乐观，与 TDC leaderboard（scaffold split）不可直接对比。

第 2 步看分子特征（不跑训练，5 秒验证）：

复制代码

from src.data import MolecularFeaturizer
featurizer = MolecularFeaturizer()
# 原子 167 维 one-hot：原子序数 1-118 + 手性 + 度 + 形式电荷 + H 数 + 杂化 + 芳香 + 环内（实测 atom_dim=167）
# 键   14 维 one-hot：键型 + 立体 + 共轭 + 环内
graph = featurizer.smiles_to_graph("CC(=O)OC1=CC=CC=C1C(=O)O")
print(graph)   # Data(x=[13, 167], edge_index=[2, 26], edge_attr=[26, 14])
print(featurizer.get_molecular_descriptors("CC(=O)OC1=CC=CC=C1C(=O)O"))
# {'molecular_weight': 180.16, 'logp': 1.31, 'tpsa': 63.60,
#  'num_h_donors': 1, 'num_h_acceptors': 3, 'num_rotatable_bonds': 2, ...}   ← 双平台实测一致

特征设计参考了 DeepChem 的 ConvMolFeaturizer------RDKit + PyG 标准的"原子 one-hot + 键 one-hot + 全局池化"组合。

第 3 步训练（本文实测数字）：

复制代码

python scripts/train_model.py --config config/config.yaml

默认 GCN × 3 层 × 128 隐藏维 × dropout 0.2 × lr 0.001 × epoch 100 + early stopping 15。双平台实测结果（Caco2_Wang，GCN）：

指标	Windows CPU（2026-09-29）	Linux GPU 复测（2026-09-30，消费级 GPU / torch 2.14+cu130）
数据划分	637 / 91 / 182	637 / 91 / 182（一致，seed 42）
模型参数	96,641	96,641（一致）
最优 checkpoint	epoch 92	epoch 22（early stop @ 38）
验证集 RMSE / MAE / R²	0.5265 / 0.4033 / 0.656	0.6054 / 0.4683 / 0.5454
测试集 RMSE / MAE / R²	0.5176 / 0.3911 / 0.5782	0.5896 / 0.4554 / 0.4528
训练耗时	~25 分钟	~1 分钟

两平台指标同量级但不可逐位复现（随机 split + torch/PyG 版本不同 + GPU/CPU 浮点序不同属正常）。再提醒一次：因为代码是随机 split 而非 scaffold split，这里的 MAE 与 TDC leaderboard 上 D-MPNN 的 0.234（scaffold split）没有直接可比性------方向性结论（GCN baseline 弱于 SOTA）成立，倍数关系仅供粗略参考。

跑完 models/best_model.pt 就有了，再跑推理：

复制代码

python scripts/predict.py --smiles "CC(=O)OC1=CC=CC=C1C(=O)O" --property Caco2_Wang --explain

实测推理输出（阿司匹林）：

复制代码

Property: Caco2_Wang
Prediction: -4.0946
Molecular Descriptors:
  MW: 180.2 Da / LogP: 1.31 / TPSA: 63.6 A^2
  H-Donors: 1 / H-Acceptors: 3 / Rotatable Bonds: 2

Explanation:                                    ← DeepSeek RAG 生成
# Caco-2 Permeability Prediction: -4.0946 log Papp (cm/s)
## Interpretation
The predicted Caco-2 permeability of -4.0946 log Papp (cm/s) is **above the
good-permeability threshold of -5.15**, indicating good intestinal epithelial
permeability...
## Molecular Feature Analysis
| Feature | Value | Relevance |
| Molecular Weight | 180.2 Da | Well below the 500 Da threshold... |
## Caveats and Limitations
1. Passive vs. active transport (P-gp efflux not captured)...
2. Ionization state at intestinal pH...

RAG 解释引用了知识库阈值（-5.15）并给出分子特征对照表 + 4 条 Caveats------不是空话，是有证据链的解读。

批量 CSV 推理实测（2 分子）：

复制代码

python scripts/predict.py --input mols.csv --output preds.csv --property Caco2_Wang

分子	Windows 预测	Linux GPU 复测（自训模型）	Linux（仓库自带 checkpoint）	判读
阿司匹林	-4.0946	-4.5987	-4.4342	均 > -5.15，渗透好（与单分子推理一致）
普萘洛尔	-4.6166	-5.0249	---	均 > -5.15，渗透好（与临床口服吸收良好一致）

三个模型对同一分子的预测在 0.5 log 单位内浮动，判读方向完全一致------这正是 §4.4 第 5 条"无不确定性量化"要解决的问题。

分类任务实测 （hERG 数据集，Tox 类，双平台一致）：655 样本（阳性 451 / 阴性 204），划分 458/66/131，featurize 20/20 全部成功------ADMETDataLoader 的 Tox() 分类链路与 ADME 回归共用同一套图特征流程，无需改代码。

Streamlit UI 启动实测 ：streamlit run app/main.py --server.headless true --server.port 8611 → HTTP 200 + /_stcore/health 返回 ok （双平台一致），UI 正常服务（--server.headless true 适合无桌面环境/远程机器）。

Streamlit UI ：streamlit run app/main.py，浏览器 localhost:8501。没训练 + 没知识库文档时，UI 会报 "checkpoint not found" 和 "knowledge base empty"------这是预期行为，不算 bug。

§4. 代码层最值得关注的两件事

4.1 GNN 三架构切换

src/models/gnn_model.py 的 GNNPredictor 用工厂函数 create_model(config) 切换 GCN/GAT/MPNN：

架构	消息传递	何时用
GCN	加权邻接平均（Kipf & Welling 2017）	基准线，速度最快
GAT	多头注意力加权（Veličković et al. 2018）	想看注意力权重做可解释性
MPNN	边特征通过 MLP 映射到消息函数	键信息重要时，如立体化学

切换改 config.yaml 一行：architecture: "GAT"。GCN/GAT 已实测能跑通；MPNN 在 < 1000 样本的小数据集易过拟合，Caco2_Wang 建议先用 GCN 跑 baseline。

4.2 RAG 链路 + LLM 换 DeepSeek 直连（实测改法）

RAG 不是开箱即用------scripts/build_knowledge_base.py 建 ChromaDB 有两种方式：--seed-defaults 一键导入 7 篇内置 ADMET 种子文档（Caco2/HIA/BBB/PPBR/CYP/hERG/AMES，含阈值和参考文献），或 --docs-path data/knowledge_base/ 导入真实文档（支持 .pdf/.txt/.md）。两种本文双平台都跑 ：seed 7 篇 + 5 篇真实文档（DailyMed FDA 标签 2 篇------aspirin / metoprolol，PubChem 化合物摘要 3 篇------aspirin / propranolol / terfenadine）。入库 chunk 数两平台不同：Windows 轮 42 chunks；Linux 复测轮 82 chunks （seed 7 + 真实文档 75）------差异来自 DailyMed 的 metoprolol SPL 标签随版本更新变厚（15KB → 43KB，chunk 从 ~15 涨到 62），FDA 标签是活文档，复测拿到更全的版本属正常现象。RAG 解释实测引用了知识库原句（"High lipophilicity (LogP) and low polar surface area (TPSA < 140 Å²) favor absorption"）并给出分子特征对照表。

真实文档抓取源（官方 API 直连，无需 Key）：dailymed.nlm.nih.gov/dailymed/services/v2/spls.json?drug_name=<name> 拿 FDA 标签 SPL XML，pubchem.ncbi.nlm.nih.gov/rest/pug/compound/name/<name>/description/JSON 拿化合物摘要。

把 OpenAI 换成 DeepSeek 直连，只需改 3 处（OpenAI 兼容接口，代码结构不变）：

复制代码

# src/rag/llm_explainer.py ------ 改 __init__ 里的 client 构造
api_key = os.getenv("DEEPSEEK_API_KEY")
self.client = OpenAI(
    api_key=api_key,
    base_url=os.getenv("DEEPSEEK_BASE_URL", "https://api.deepseek.com/v1"),
    http_client=http_client
)
# 同文件默认参数: llm_model: str = "deepseek-chat"
# config/config.yaml: llm_model: "deepseek-chat"

embedding 默认 all-MiniLM-L6-v2（HF 直连下载正常）。LLM 也可以换成 deepseek-v4-pro（reasoning 模型，解释更深入但更慢）或本地 qwen3.5 走 Ollama（全离线）。

4.3 这套 RAG 做法真在哪：对比"预测值直接丢给 LLM"

很多所谓"AI 解释"就是把预测数字丢给 LLM 说"为什么"------那是无证据链的编造。这套的做法有 4 个实打实的设计优势：

设计	这套的做法	naive 做法的毛病
预测与解释解耦	GNN 只出数字，RAG 只讲证据；换模型不动解释层，换 LLM 不重训	解释和模型纠缠，换一个全重来
解释可溯源	阈值判断（-5.15 / TPSA<140 / MW<500）来自检索的文档 chunk	LLM 凭参数记忆编数字，看着像模像样实则幻觉
描述符注入 prompt	预测值 + MW/LogP/TPSA 等 10 个分子描述符一起给，LLM 能做特征归因	只给预测值，解释只能复述数字
硬阈值 + 软检索双层	`PROPERTY_DESCRIPTIONS` 硬编码兜底基础判读，检索补充机制细节	全靠检索------检索空了就瞎说

外加 system prompt 明确"context 不支持就明说不知道"------防幻觉约束写在源头。实测效果见 §3 推理输出：解释引用了知识库原句"High lipophilicity (LogP) and low polar surface area (TPSA < 140 Å²) favor absorption"并对照分子特征表，不是空话。

4.4 待改进：6 个方向（按影响排序）

站在药化/CADD 实战视角，这套系统离"能进决策"还有明确差距：

P0 --- 影响解释可信度（低成本可修）

检索没有按 property 过滤 ：问 Caco-2 时 top-5 可能把 hERG/AMES 的 chunk 召回来，解释串台。vector_store.search() 本来就有 filter_metadata 参数，调用时传 {"property": property_name} 即可，一行代码的修复。
引用无出处 ：解释引用了知识库原句但不标来源文档。应该在检索结果里带 source metadata 注入 prompt，要求 LLM 输出 [source: dailymed_aspirin_label] 这类标注------没有出处的引用在内部评审里过不了。
无 applicability domain 警告：训练集化学空间外的分子预测不可信。应该在推理时算 Tanimoto 相似度 vs 训练集最大值，< 0.3 时解释里强制加"该分子超出模型适用域，预测仅供参考"------实测 T4 的 Caveats 里 LLM 自己提了一句，但这应该系统化，不能指望模型自觉。

P1 --- 影响预测质量

GCN baseline 偏弱 + split 不可比 ：本仓库测试 MAE 0.39-0.46（随机 split），TDC 榜 D-MPNN 的 0.234 是 scaffold split------不能直接比倍数，但方向明确：随机 split 已经偏乐观还落后 SOTA，真实 scaffold split 下差距只会更大。换 GAT（代码已支持）或上 D-MPNN 是最直接的提升，同时建议把 data_loader.split() 换成 TDC 自带的 get_split(method='scaffold')。
无不确定性量化 ：预测值没有误差棒。5-seed ensemble 或 MC dropout 给出 -4.09 ± 0.35，解释里才有"多可信"的判读依据------PCC 决策里误差棒比点估计重要。
多性质无联合判读：8 个性质独立预测独立解释，矛盾信号（Caco-2 吸收好 + hERG 风险高）没人汇总。应该一次推理出全性质面板 + 一个综合判读 prompt。

P2 --- 工程与维护

seed 文档硬编码在 build_knowledge_base.py 的 Python 字面量里，更新知识库要改代码------挪到 YAML/JSON 数据文件。
chunk 固定 1000 字符 / 200 overlap，阈值表格容易被切断------按标题/表格边界切分。
解释不可复现（temperature 0.3）------正式报告输出要 temperature=0。

这些改完，它就从"教学模板"进化成"内部筛选工具"------但要进 PCC 决策，还是得配上 FEP+/实验验证。

§5. 13 条实测踩坑（双平台验证）

#	平台	现象	根因	修法
1	Win	`PackagesNotFoundInChannelsError: pytorch-geometric`	conda `pyg` channel 无 win-64 包	`pip install torch-geometric`（2.8.0 纯 Python 核心，GCN/GAT 够用）
2	Win	`Failed to build wheel for tiledbsoma`（PyTDC 装失败）	PyTDC→gget 依赖链要 C++ 编译 tiledbsoma	`pip install PyTDC --no-deps` + 手动补 `scikit-learn huggingface_hub fuzzywuzzy python-Levenshtein`
3	双	`ModuleNotFoundError: No module named 'pkg_resources'`	setuptools 84 移除了 pkg_resources	`pip install "setuptools<81"`
4	双	`RDKit: SMILES Parse Error` 静默跳过	`featurize_dataset()` 失败 SMILES 只 `failed += 1` 不抛异常	训练完后 `failed > 0` 要查输入 SMILES 是否有非典型字符（带电离子、多聚体）
5	双	RAG 解释每次返回空字符串	ChromaDB 集合里没文档	`python scripts/build_knowledge_base.py --seed-defaults`（内置 7 篇种子文档）
6	Win	建库/推理卡住几分钟无输出（模型明明已缓存）	HuggingFace hub 在线检查被 SSL 掐断，每文件重试 5×8s 拖死流程	`export HF_HUB_OFFLINE=1`（模型已缓存时直接离线模式）；Linux 国内网络则用 `HF_ENDPOINT=https://hf-mirror.com`
7	Win	`FileNotFoundError: '/tmp/test_mols.csv'`（bash 明明写了文件）	MSYS 的 `/tmp` 与 Windows Python 的 `/tmp` 不是同一目录	给 Python 的路径一律用 `D:/...` 原生 Windows 路径
8	双	MLflow UI 找不到 run	`tracking_uri` 默认相对路径 `./mlruns`，cd 目录不对就找不到	`mlflow ui --backend-store-uri <绝对路径>/mlruns --port 5000`
9	双	Streamlit 启动报 `Port 8599 is not available`	端口被占/系统保留	换端口 `--server.port 8611`，无桌面环境加 `--server.headless true`
10	双	`Streamlit DuplicateElementKey`	同一 property 在 UI 里被多选	临时删 PROPERTY_INFO 里多余项
11	Linux	`CUDA error: invalid device ordinal`（训练一启动就崩）	`train_model.py` 的 `--gpu` 参数默认 1，单卡机器上 `cuda:1` 越界	`python scripts/train_model.py --config config/config.yaml --gpu 0`
12	Linux	PyG / sentence-transformers 导入时 `AttributeError: _ARRAY_API not found`	`~/.local/lib/python3.10/site-packages` 里装过用户级 numpy-1.x 编译包（pyarrow/datasets），优先于 env 内的 numpy 2.x 被加载	运行时加 `env PYTHONNOUSERSITE=1` 屏蔽用户级 site-packages；根治是 `pip install --ignore-installed` 把缺的包补装进 env
13	Linux	明明装过 xxhash/sympy/tqdm/fsspec 却 `ModuleNotFoundError`	pip 见 `~/.local` 已有同名包就跳过，但 `PYTHONNOUSERSITE=1` 又屏蔽了它们	`pip install --ignore-installed xxhash sympy networkx flask tqdm requests fsspec regex` 强制装进 env

§6. 和成熟方案比，它处于什么位置

维度	本仓库	ADMETLab 3.0	TDC + Chemprop	SwissADME
性质数	8 项	21 项	22 项（ADMET_Group）	7 项
模型架构	GCN/GAT/MPNN（自选）	多任务 DNN	任意（D-MPNN 等）	多元线性 / RF
解释能力	RAG + DeepSeek（实测通）	SHAP 注意力热图	无	无
部署难度	单仓 git clone	在线 Web	需自配	在线 Web
上手成本	中（要装 20+ 依赖）	低	中	极低
离线运行	部分支持（换本地 LLM）	不支持	完全支持	不支持

定位差异：本仓库不是"工业级 ADMET 平台"------它是"教学+原型一体化"模板，适合：学 GNN 想拿真实数据练手 / 给客户演示"AI 辅助早期筛选"的可行性 / 想魔改 GNN 架构但不想从零写 dataloader。

不适合：生产环境的成药性评估决策------那种场景请用 ADMETLab 3.0 或 Schrodinger ADMET Predictor。

参考来源

仓库：pritampanda15/ADMET-Prediction-System-Graph-Neural-Networks-with-RAG，commit main，2025-12-07 创建，17⭐ 3 fork，许可证 MIT（实测 gh api 查询）
本文实测环境（双平台） ：① Windows 11 + CPU（无独立 GPU）+ conda 26.7.2 + PyTorch 2.5.1 cpuonly + torch-geometric 2.8.0 + PyTDC 1.1.15 + DeepSeek deepseek-chat 直连（2026-09-29 全流程跑通，日志存档）；② 复测 Ubuntu 22.04 + 消费级 GPU（RTX 3060）+ conda + PyTorch 2.14.0+cu130 + torch-geometric 2.8.0.post1 + PyTDC 1.1.15 + DeepSeek deepseek-chat 直连（2026-09-30 全链路复跑：训练 GPU ~1 分钟 / 单分子 RAG 解释 / 批量 CSV / hERG 分类 / Streamlit UI HTTP 200）
TDC 论文：Huang K, Fu T, Gao W, Zhao Y, Roohani Y, Leskovec J, Coley C W, Xiao C, Sun J, Zitnik M. Therapeutics Data Commons: Machine Learning Datasets and Tasks for Drug Discovery and Development . NeurIPS 2021. arXiv:2102.09548v2
TDC ADMET 基准：22 个数据集，Caco2_Wang 实测 910 条回归 / hERG 实测 655 条分类（阳性 451 / 阴性 204）/ PPBR_AZ 1797 条回归（tdcommons.ai/benchmark/admet_group 实测）
GCN / GAT / MPNN 三篇原始论文：Kipf & Welling 2017 (ICLR) / Veličković et al. 2018 (ICLR) / Gilmer et al. 2017 (ICML)

更多专栏：

蛋白 / 多肽	分子模拟 / 动力学	分子对接 / CADD / 工具	其他
开源蛋白结构推理预测	分子模拟基础	UCSF DOCK系列	agent智能体系列
开源蛋白生成方法实践	分子动力学模拟-Amber	rDock系列	化学大模型介绍（2025）
蛋白药物设计-原理与案例剖析	分子动力学模拟-Gromacs	LeDock系列	我胡师兄说药
开源多肽设计模型和方法实践	結合自由能	CADD中的机器学习模型	siRNA药物设计模型
开源多肽性质预测	高效计算基本配置	小分子药物设计-原理与案例剖析	ASO药物设计模型
多肽药物设计-原理与案例剖析	作用于DNA/RNA的药物设计实践	开源小分子生成和设计实践	开源药代动力学模拟软件

ADMET 预测从图神经网络到 DeepSeek RAG 解释：CPU 全流程实测跑通

目录

§0. 相关教程与核心文献

§1. 为什么这个仓库值得一看：8 项性质一站搞定，但有 3 个隐藏门槛

§2. 环境准备：conda + GPU 双轨

2.1 GPU 版（消费级 GPU，CUDA 11.8/12.x 都行）

§3. 跑通：从下载到推理（双平台实测）

§4. 代码层最值得关注的两件事

4.1 GNN 三架构切换

4.2 RAG 链路 + LLM 换 DeepSeek 直连（实测改法）

4.3 这套 RAG 做法真在哪：对比"预测值直接丢给 LLM"

4.4 待改进：6 个方向（按影响排序）

§5. 13 条实测踩坑（双平台验证）

§6. 和成熟方案比，它处于什么位置

参考来源