Chemprop（D-MPNN）是分子性质预测的强基线。本篇从一份 CSV 训练到出结果。
操作步骤
- 准备 CSV：一列 SMILES + 一列（或多列）标签；
- 安装：
pip install chemprop； - 训练：
chemprop train，指定数据、任务类型、划分（选 scaffold）； - 可加 RDKit 描述符特征提升表现；
- 预测：
chemprop predict对新分子批量打分。
常见坑与提示
用骨架划分做交叉验证才有参考价值；类不平衡时关注合适指标（见 155）；先用 Chemprop 建基线，再判断更复杂模型是否值得。
延伸资源
- 论文见 131；工具见 174；下一步 334、335。