2026 年 AI 药物发现工具：12 个开源 Agent 横向对比

什么是 AI 药物发现工具

AI 药物发现工具是开源 agent，自动化药物研发流水线中的一个或多个环节——靶点识别、虚拟筛选、ADMET 预测、先导优化、分子动力学、实验设计——用 LLM 在化学、生物、临床数据上做推理。12 个开源项目目前覆盖主要环节。本文对齐比较，并告诉你哪个场景该选哪个。

12 个项目都是 MIT 或 Apache 协议、活跃维护或论文锚定。Star 数和 stable 标记发文时（2026-05-25）已对照 GitHub 验证。

---

12 个项目一览

只看 star 会误判——ChemCrow 的 914 反映 2023 年开创者地位（已标 stable/paper-locked，不再开发），ChemGraph 的 113 反映国家实验室稳定持续开发。

---

我该用哪个

决策树：

• 通用化学推理 → ChemCrow
• 自然语言驱动的分子动力学 → MDCrow
• 多组学靶点识别 → OriGene
• DTI、ADR、DDI → DrugClaw (QSong)
• 蛋白质 / 纳米抗体设计 + 多 agent 协调 → Virtual Lab
• HPC 集群上的计算化学 → ChemGraph
• 全制药 R&D pipeline 协调 → AIAgents4Pharma
• Rust 高性能 ADMET 筛选 → DrugClaw (DrugClaw 组织)
• 轻量模块化化学 skill → ChemClaw
• 中医药理 → TCM-Agent
• 发论文用的 PyMOL 图 → PyMolClaw
• 多模态（RDKit + ESMFold + docking） → BloClaw

下面逐个细讲。

---

ChemCrow — 开创者（2023）

ChemCrow 是 ur-whitelab 的元祖化学 AI agent（LangChain 实现，2023 年发表）。914⭐。我们标的是 stable——代码库是参考实现，不再主动开发。

现代大部分化学 agent 要么 fork ChemCrow 的设计，要么反着 ChemCrow 来。它的 skill 列表（合成规划、逆合成、性质预测、反应机理）成了这个品类的事实模板。

最适合：从零起步、想用参考架构的人。Fork ChemCrow，把 LangChain 换成你选的框架，改 tool 列表。

---

Virtual Lab — Stanford 蛋白质设计

Virtual Lab 来自 Stanford Zou Group，是纳米抗体设计的多 agent 系统，PI agent 协调多个专业 research agent。683⭐，标 stable（paper 锚定）。

架构上的教训是"PI agent"模式——一个 agent 扮演人类 PI，prompt 和 review 其它 agent。这种分解比单一 monolithic agent 减少 context 膨胀。

最适合：蛋白质 / 纳米抗体工程，或者作为多 agent 科研工作流的参考实现。

---

MDCrow — 对话式分子动力学

MDCrow 用自然语言自动化分子动力学的 setup、执行、分析——ur-whitelab 出品。240⭐，stable。OpenMM 风格 pipeline 的对话接口。

用户价值在于 MD setup 的痛点。MD 设置文件出名地容易出错（力场选择、水模型、电离态）；MDCrow 把 "PDB 6LU7 在 300K 显式水里模拟结合口袋" 转成可跑的 trajectory。

最适合：想跑 MD 但不想手写输入脚本的结构生物 / 生物物理实验室。复用 ChemCrow 的设计哲学。

---

OriGene — 自进化靶点发现

OriGene 是 GENTEL Lab 的自进化虚拟疾病生物学家，做机理驱动的治疗靶点发现。212⭐。自动化疾病机制分析和药物靶点识别，发现 prompt 本身有自改进闭环。

差异点在闭环——大部分靶点 ID 工具是一次性的。OriGene 迭代：提假设 → 对文献验证 → 改进。

最适合：靶点识别阶段，尤其是机制不清的疾病（罕见病、复杂多基因病）。

---

DrugClaw (QSong) — 知识图谱猛兽

Q. Song lab 的 DrugClaw 是有 57 个 skill、15 个任务类别的 agentic RAG 系统——DTI（药靶相互作用）、ADR（不良反应）、DDI（药物相互作用）、药物基因组、再利用。134⭐。基于 LangGraph。

强在广度和集成。不追求某一个任务最优，而是集成宽广的药物情报知识图谱，让你一次会话里跨 DTI / ADR / DDI / 再利用查询。

最适合：药物警戒、药物再利用、需要整合药物知识查询的工作。

---

ChemGraph — Argonne 国家实验室出品

ChemGraph 是 Argonne (ALCF) 的计算化学和材料科学 agentic 框架。113⭐。在 HPC 系统上协调化学模拟 pipeline。

机构信誉这里很重要。ChemGraph 是这份名单上唯一来自美国国家实验室的——意味着测试覆盖和 HPC 集成是真的（Polaris、Aurora benchmark 过）。

最适合：HPC 集群上的计算化学、材料科学、有 DOE 计算资源访问权的人。

---

BloClaw — 多模态化学信息

BloClaw 是北京一生物 + 解放军总医院的多模态科学发现 agentic workspace。105⭐（2026-04 起平台期）。集成化学信息（RDKit）、蛋白质折叠（ESMFold）、分子对接、自主 RAG。XML-Regex 双轨路由，数据可视化运行时沙箱。arXiv:2604.00550。

独特价值在一个 agent 里的多模态栈——大部分工具只挑一个模态（化学 OR 结构 OR 对接），BloClaw 跑完整 pipeline。

最适合：真的需要这三件事都做（化学信息 → 折叠 → 对接）、又不想编排多个工具的工作流。

---

AIAgents4Pharma — 全 pipeline 协调

AIAgents4Pharma 是横跨药物发现、开发、临床 pipeline 自动化的多 agent 平台，VirtualPatientEngine 出品。86⭐。

定位是端到端。其它工具只关注某一阶段（发现 OR 开发 OR 临床），AIAgents4Pharma 用每个阶段的专业 agent 试图覆盖三者。

最适合：想要单一平台覆盖全制药 R&D 闭环的团队。代价：在任何单一阶段都不如 OriGene（发现）或 MDCrow（模拟）深入。

---

DrugClaw (组织) — Rust ADMET

DrugClaw 组织出品的 DrugClaw 是 Rust 写的高性能 AI 研究助手——覆盖化合物筛选、ADMET 预测、先导优化。50⭐，Apache-2.0。

跟 QSong DrugClaw 是不同团队（命名冲突是真的——如果搞混了看我们的 DrugClaw 消歧义页）。Rust 运行时让它做大规模虚拟筛选时实质更快。

最适合：Python 单分子开销真的会成为瓶颈的大规模筛选（百万级化合物，不是千级）。

---

ChemClaw — 模块化化学 skill

ChemClaw 是 AI4Chem 的化学 AI workflow 精选 skill 包。48⭐。npx 模块化安装，分 stable 和 experimental 两档 skill。

差异点是可组合性。不是完整 agent，是 skill 模块——你接进 Claude Code 或任何兼容 runtime。生产用 stable、探索用 experimental。

最适合：已经在用 Claude Code、不想再装一整套 agent 平台、但想要化学 skill 的团队。

---

TCM-Agent — 中医药理

TCM-Agent 是 AITCM 的中医网络药理 LLM 多 agent 系统。18⭐。化合物查询用 PubChem、靶点分析用 TTD、分子相似性用 Morgan fingerprint。

垂直定位在这领域少见——中医网络药理有特定数据源（中药数据库、多靶点化合物 profile），通用药物发现 agent 不原生支持。

最适合：中医研究、多靶点化合物分析、草药成分 profiling。

---

PyMolClaw — 自然语言分子可视化

PyMolClaw 把自然语言转成出版级 PyMOL 图，junior1p 出品。3⭐。13 个脚本覆盖结构对齐、结合位点、Goodsell 风格示意。

解决的痛点：PyMOL 命令语法对新手出名地不友好。PyMolClaw 让你说"按疏水性着色显示结合口袋、配体显示为 stick"，给你一个能跑的 .pml + 渲染好的图。

最适合：想要图但不想学 PyMOL 的结构生物学家。也可以跟 MDCrow 组合（跑 MD → 用 PyMolClaw 可视化）。

---

Pipeline 每一步用哪个？

---

常见问题

这 12 个 AI 药物发现工具收费吗？

不收。全部 MIT 或 Apache 2.0 开源。学术、商业（含修改）都免费。

需要 GPU 吗？

取决于 LLM 和任务。agent 本身 Python 能跑的地方都能跑。云端 LLM（Claude、GPT、Gemini）不需要 GPU。本地 LLM（Ollama、vLLM）需要匹配模型大小的 GPU 显存。分子动力学（MDCrow）非平凡系统需要 GPU。

哪个同行评议背书最强？

ChemCrow（2023 论文）和 Virtual Lab（Stanford Zou Group，paper 锚定）被引最多。BloClaw 有 arXiv 预印。OriGene 和 MDCrow 在领域期刊有论文。

我能把多个工具串成一个 workflow 吗？

可以。常见 pipeline：ChemCrow 加 MDCrow（化学推理然后 MD 验证）、OriGene 加 DrugClaw（靶点识别然后 DTI/ADR 筛选）、Virtual Lab 加 PyMolClaw（设计然后画图）。OpenClaw 的 skill 模型让工具间组合很直接。

药理学 PhD 学生最适合用哪个？

从 ChemCrow 开始做通用化学推理，加 DrugClaw (QSong) 做 DTI / ADR / 再利用查询。如果项目涉及 MD，加 MDCrow。这三件套覆盖 80% 制药 grad 工作流。

工业界用吗？

Rust 版 DrugClaw (org) 针对高通量筛选，跟工业相关。AIAgents4Pharma 的定位（全 pipeline）也偏工业。ChemCrow 在制药研究论文里被引用。没有公开的商业部署列表——开源采用很难追踪。

两个 DrugClaw 区别是什么？

不同团队。QSong-github/DrugClaw = 134⭐，LangGraph 加 57 个 skill，drug-intelligence 知识图谱。DrugClaw/DrugClaw = 50⭐，Apache-2.0，Rust runtime 聚焦 ADMET 加筛选。两个都列因为各自在不同规模下都有用。

---

上手

• 通用化学 → 从 ChemCrow 开始
• 靶点识别 → OriGene
• DTI / ADR → DrugClaw (QSong)
• 分子动力学 → MDCrow
• 蛋白质设计 → Virtual Lab
• 浏览全部 → Claw4Science drug-molecular 分组

做了我们没列的药物发现 agent？提交给我们——只要场景和方法论清晰，我们推荐严肃的化学 / 制药工作，不论 star 数。

---

原文发布于 2026-03-29 覆盖 8 个工具。2026-05-25 更新——新增 ChemClaw、TCM-Agent、PyMolClaw、BloClaw；刷新所有 star 数；为 paper-locked 项目（ChemCrow、Virtual Lab、MDCrow）加 stable 标记；重构为 AI Overview 可引用格式。