学 AIDD 很容易陷在零散的数据集里。Therapeutics Data Commons（TDC）由哈佛团队维护，把治疗相关的机器学习任务和数据集系统化、标准化，并提供统一的 Python 接口，是建立「任务—数据」全局观的好工具。
TDC 覆盖什么
TDC 按机器学习问题的形态组织数据，大致分三类：
- 单实例预测：输入一个分子 / 蛋白，预测一个性质，如 ADMET、HTS 活性。
- 多实例预测：输入一对对象，如药物-靶点相互作用（DTI）、药物-药物相互作用（DDI）。
- 生成任务：分子生成、逆合成等。
每个任务都配有标准数据集、推荐的数据划分与评测指标，避免「各算各的」导致结果不可比。
怎么用
- 安装：
pip install PyTDC。 - 几行代码即可加载任意数据集，TDC 会自动下载并返回统一格式，配套提供划分（随机 / 骨架 / 冷启动）与评测函数。
- 适合「先选一个任务，把数据、划分、指标一次性弄清楚」的学习方式。
学习路径建议
- 从 ADMET 任务集入手：它与成药性直接相关、数据规模适中，适合练手。
- 对照 Benchmark Group 的排行榜，理解「什么样的指标算好」。
- 与 009《Harvard TDC 资源导航》配合：005 偏「怎么用」，009 偏「任务地图与评测方法」。
关键要点
- TDC = 治疗类机器学习任务的「标准数据地图」；
- 一个 PyTDC 就能统一加载数据、划分与评测；
- 用标准划分与指标，是避免自欺的第一步。
延伸资源
- 官方网站：tdcommons.ai。
- 源码：github.com/mims-harvard/TDC。
- 配套阅读：后续《TDC 论文精读》、「数据资源」模块的 TDC 各任务组。