Papers with Code 药物发现任务导航

药物发现不是单一任务，而是一组机器学习问题：药物-靶点相互作用、分子生成、逆合成、ADMET 等。用「任务索引」逐类导航，能快速搭起领域的知识地图。

现状提示：Papers with Code 已于 2025 年关停，部分迁移至 Hugging Face Papers；TDC 等专用基准是更稳定的任务索引来源。

主要任务与对应基准

• 药物-靶点相互作用（DTI）：DAVIS、KIBA 等数据集，代表方法 DeepDTA、GraphDTA。
• 分子生成：用 GuacaMol、MOSES 评测，代表方法 REINVENT 等。
• 逆合成 / 反应预测：USPTO 数据集，代表工具 AiZynthFinder、IBM RXN。
• ADMET：TDC ADMET Group。

怎么用

• 先确定你的问题属于哪类任务，再找该任务的标准基准与排行榜。
• 优先看有公认基准（GuacaMol、MOSES、TDC）的方向，结果更可比。
• 把任务地图与本知识库「AI 模型」「实战流程」模块对照。

延伸资源

• TDC：tdcommons.ai；Hugging Face Papers：huggingface.co/papers
• 配套阅读：「AI 模型」「数据资源」模块。