第三章 基础工具安装与环境配置

做AI药物发现，第一步不是写模型，是把工具链搭稳。相信我，这一步省事，后面全是坑。

我们这个管线涉及四个核心工具：RDKit（化学信息学）、OpenBabel（格式转换）、PyTorch/TensorFlow（深度学习框架）、DGL（图神经网络库）。你想想看，每个工具都有自己的依赖、版本号、甚至奇葩的隐形冲突。我见过不少团队在安装上耗一周，最后发现是conda和pip混用导致的。

3.1 环境管理：Conda还是Docker？

我先说结论：个人开发用Conda，团队部署用Docker。我自己习惯用Miniconda，不装Anaconda全家桶，省空间、省心。

先装Conda环境：

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes

3.2 RDKit：化学信息学的心脏

RDKit在药物发现圈的地位，相当于PyTorch在深度学习圈。分子读取、指纹计算、子结构匹配、化学反应处理……几乎啥都能干。

我个人建议用conda安装RDKit，因为pip版本经常缺编译好的二进制包。我第一次用pip装RDKit，结果等了半小时编译，最后报了个g++版本不兼容的错误——嗯，从那以后我再也不敢用pip装了。

conda create -n drugai python=3.9
conda activate drugai
conda install -c conda-forge rdkit

验证安装：

python -c "from rdkit import Chem; print(Chem.MolFromSmiles('CCO').GetNumAtoms())"

输出3，说明RDKit能正常读取乙醇分子。这个测试虽然简单，但我每次在新环境都会跑一遍，省得后面调半天发现是环境问题。

3.3 OpenBabel：格式转换的瑞士军刀

OpenBabel主要干两件事：一是格式转换（SDF转SMILES、PDB转MOL2等），二是力场分配和构象生成。说实话，它的化学处理能力不如RDKit，但格式兼容性是真广——300多种化学文件格式，你想想看。

我习惯用conda装OpenBabel。注意，OpenBabel的conda包有时候和PyTorch的numpy版本冲突，所以装完立刻检查下numpy版本。

conda install -c conda-forge openbabel
obabel --version

简单测试格式转换：

obabel -:"CCO" -O ethanol.sdf --gen3d

这条命令会从SMILES生成一个SDF文件。我经常用这个功能做小分子的初始构象。

3.4 PyTorch vs TensorFlow：怎么选？

这个问题我经常被问到。我的答案是：做药化、分子生成、图神经网络，优先PyTorch。原因有三：

• PyTorch的动态图机制更灵活，适合做分子图这种不规则结构
• DGL（图神经网络库）对PyTorch的生态支持最好
• 学术界80%的分子生成模型都用PyTorch实现，复现方便

如果你团队有现成的TensorFlow代码，或者正在做超大规模分子筛选（需要TensorFlow Serving），那就继续用TF。我个人在管线里只推荐PyTorch。

安装PyTorch（以CUDA 11.8为例）：

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())"

如果你用的是老显卡（比如GTX 1080 Ti），可能需要回退到CUDA 11.3。说实话，多卡并行的时候CUDA版本兼容性问题最让人头疼，我建议用Docker镜像来固定CUDA版本。

3.5 DGL：图神经网络的基石

DGL（Deep Graph Library）是药物分子图建模的利器。它能将分子转化成图结构——原子是节点，化学键是边，然后直接扔进GCN、GAT、MPNN这些模型里。

安装DGL要注意CPU/GPU版本选择。我建议直接用conda安装，它会自动匹配你当前的CUDA版本：

conda install -c dglteam dgl-cuda11.8
# 如果你用的是CPU版本
conda install -c dglteam dgl

验证安装：

python -c "import dgl; print(dgl.__version__); 
from dgl.data import GINDataset; 
dataset = GINDataset(name='MUTAG', self_loop=True); 
print('Number of graphs:', len(dataset))"

3.6 工具链版本兼容性速查表

这张表我每次重新搭环境都会看一眼。尤其是DGL和CUDA的对应关系，漏了就等于返工。

3.7 完整环境的安装脚本

为了让你少走弯路，我贴一份我项目常用的安装脚本，直接从零搭到可用：

conda create -n drugai python=3.9 -y
conda activate drugai

# RDKit & OpenBabel
conda install -c conda-forge rdkit openbabel -y

# PyTorch 2.2 + CUDA 11.8
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia -y

# DGL
conda install -c dglteam dgl-cuda11.8 -y

# 辅助工具
pip install matplotlib seaborn pandas numpy scikit-learn

# 验证
python -c "
import rdkit, openbabel, torch, dgl
print('RDKit:', rdkit.__version__)
print('PyTorch:', torch.__version__)
print('DGL:', dgl.__version__)
print('CUDA可用:', torch.cuda.is_available())
"

这张图我特意把安装顺序和验证环节都列出来。你照着走，基本不会出大问题。