在医药与化工两个领域，开源代码的分布情况出现了明显分化。有一份基于GitHub公开仓库与行业聚合榜单的调研，覆盖了16家大型药企以及主要化工公司，对它们各自的项目按使用价值做了评级，并提出具体选择方案。调研显示，前一类企业已经把开放协作的技术积累看作研发底座，后一类企业更多在工艺改进和化学AI方向选取单点投入。

整体格局：药企体系化领先，化工依赖单点与联合项目

从组织级视角看，药企的开源投入明显更成体系。阿斯利康、罗氏、默克、拜耳、辉瑞、诺华等都以官方GitHub组织持续对外发布代码，涉及药物发现AI、临床统计、生物信息、抗体工程等多个核心环节，其中若干个仓库实际上已经变成业内默认的通用工具。

阿斯利康在这一方向上最有示范意义，它同时维护AstraZeneca、MolecularAI、AstraZeneca-NGS以及论文配套类等多个组织。其中REINVENT4约873颗星、aizynthfinder约902颗星、chemicalx 783颗星，在业内被引用最多。

化工企业的发力点则落在工业软件与流程改良上。巴斯夫的MolPipeline约230颗星，是化学与机器学习串联流水线的典型；由赢创牵头，巴斯夫、拜耳、勃林格殷格翰共同加入的BoFire，则是跨化工和药企边界的贝叶斯优化与实验设计协作框架，并已有JMLR 2025论文背书。

联盟性质的项目往往比单个公司的仓库更具长期价值，例如Open Targets、由罗氏发起的Pharmaverse都已经长成完整生态，是应当优先留意的对象。落到具体选用，调研给出的路线是：开展分子AI工作可直接依托REINVENT4、aizynthfinder与RDKit的组合；处理临床统计可选用罗氏的insightsengineering；进行抗体设计可参考默克的BioPhi；涉及数字疗法数据则优先评估辉瑞的scikit-digital-health。

阿斯利康：四个GitHub组织和几个成体系的分子AI工具

在药企中，阿斯利康的开放仓库规模处在前列，共设立四个GitHub组织：AstraZeneca（约111个仓库，面向AI与数据科学）、MolecularAI（分子AI方向）、AstraZeneca-NGS（生物信息方向）以及存放论文配套代码的仓库。

核心项目包括：aizynthfinder（约902★）用于逆合成路线设计，技术上是神经网络结合蒙特卡洛树搜索，产业界和高校都在使用，评级★★★★★；REINVENT4（约873★）是强化学习的分子生成设计平台，允许在多个参数约束下做全新分子设计，同样是★★★★★；chemicalx（783★）是提出物对打分的深度学习库，配套KDD 2022论文，可用于预测联合用药的副作用和协同效应，评级★★★★。

另一个原属该组织的项目awesome-explainable-graph-reasoning（约2k★）是可解释图推理方向收集最齐全的资源清单之一，影响力甚至超出了阿斯利康自身的范围，评级★★★★。其他还包括：jazzy（117★）可快速估算分子的氢键供体受体数量和水合自由能；VarDict和VarDictJava（分别186★和127★）是高灵敏度的体细胞变异检测器，属于NGS分析流程中的关键组件，二者均为★★★★；此外还有rexem（277★，推荐系统评测）、SubTab（149★，表格数据的自监督学习）、onto_merger（102★，本体合并）与maize（86★）等。

罗氏与默克：临床统计链条和抗体工程各有支撑

罗氏铺设了三条开源线：主组织roche、基因泰克Genentech、临床统计团队的insightsengineering（也是Pharmaverse的核心所在）。

在罗氏的项目里，bio统计场景最常被用到几件工具：pyreadstat（约425★）让Python能读写SPSS、Stata、SAS文件，已是生物统计领域交换数据文件时的通行选择，★★★★★；teal（263★）以交互方式完成探索性数据分析并生成报告，是试验数据复核的常用框架，★★★★★；rtables（213★）专门产出符合法规要求的表格，FDA、EMA申报资料里许多图表由它完成，★★★★★；此外gReLU（364★）是基于PyTorch的基因调控网络深度学习库，scimilarity（232★）聚焦单细胞转录组表征学习，equifold（约131★）可预测蛋白质复合物结构，被视为AlphaFold-Multimer之外的一条可用开源路径，这三者评级均为★★★★。tern（93★）则给临床试验提供标准化的表格列表图目录，和tlg-catalog配合可覆盖常见临床终点。

默克（MSD）的开源集中度更高，主攻抗体工程与天然产物AI。BioPhi（265★）覆盖抗体人源化和可开发性评估，内置Sapiens与OASis两套方法，是治疗性抗体设计里被频繁调用的工具，★★★★；deepbgc（161★）利用深度学习识别生物合成基因簇，适合挖天然产物，★★★★；Halyard（114★）面向免疫原性与表位发现，★★★；r2rtf（85★）把R对象写为RTF格式，临床报表输出时很常见，★★★。其余还包括DeepNeuralNet-QSAR、metalite（临床数据元数据规范）、gsDesign2（分组序贯设计）和simtrial（试验模拟）等。

拜耳、辉瑞、诺华及其他药企：各自守住几个强项

拜耳把工作拆到两个组织：bayer-science-for-a-better-life负责分子科学，Bayer-Group关注云基础设施与工程类工具。Img2Mol（108★）可从分子图片直接判断SMILES及性质，属于分子识别方向比较独特的一个，★★★；pKAI（27★）、neuraldecipher（24★）、phc-gnn（30★）使用图神经网络来估计分子pKa、做逆QSAR以及药代/药效建模，这三项也是★★★。Bayer-Group这边则是一批云基础工具，包括cloudformation-template-generator（211★）和etcd-aws-cluster（202★），另有paquo（100★）作为QuPath数字病理的Python接口。

辉瑞在pfizer-opensource名下约有60个仓库，侧重数字健康与生成式分子模型。scikit-digital-health（109★）是一套处理可穿戴IMU数字生物标志物的工具，可视为数字疗法与远程试验里处理数据的标准件，★★★★；TorsionNet（46★）、e3moldiffusion（31★）、SAND（32★）分别涉及扭转角感知的三维生成、E(3)等变扩散以及离散扩散分子生成，均为★★★。诺华收录116个仓库，拿手方向是深度生存分析，开源门户设在opensource.nibr.com：torchsurv（153★）基于PyTorch并支持GPU加速，代表生存分析引入AI的路线，★★★★；YADA（81★）做模块化生物数据分析工作流，peax（67★）交互式呈现通路富集结果；此外还维护pisces、RBesT、scAR、cellxgene-gateway等。

其他药企亦有可观积累。礼来的LillyMol（127★）是以C++编写的化学信息学库，为分子描述符、指纹与反应提供了另一种实现，★★★★；Moderna的seqlike（约208★）统一了生物序列操作方式，在Nextstrain生态里经常被使用，★★★★；赛诺菲的CodonBERT（94★）是面向mRNA密码子优化的Transformer，★★★；诺和诺德贡献了OpenStudyBuilder这一临床研究元数据标准化平台，以及2025年推出的多肽构效关系工具PepFuNN，★★★★；GSK方面有tfrmt（63★）处理临床表格格式化、meta-learning-qsar（34★）探索少样本条件下的QSAR元学习，并且主办GeneDisco主动学习基准（ICLR 2022），综合★★★至★★★★；勃林格殷格翰有多肽表示工具pyPept（50★）以及mol-jepa分子世界模型，★★★；强生的Bodiless-JS（138★）是一个React CMS框架，安进则基本没有重量级开放产出。

化工阵营：巴斯夫工具箱与BoFire联合范式

化工公司中，巴斯夫的开放度居前，basf组织下约有35个仓库。MolPipeline（约230★）是面向分子的机器学习流水线，底层打包RDKit和scikit-learn，从读取分子文件直到训练和预测模型一次走完，常被化工与药企当作化学ML的入门配置，★★★★★；mlipx（108★）统一测评各类机器学习原子间势（MLIP）模型，可用来为标准挑选势函数，★★★★；chemteb是化学方向的文本嵌入基准，相当于MTEB在化学场景的分支，可系统衡量分子与化学表示模型，★★★★；autoadsorbate（63★）自动放置表面吸附质，用于催化与表面科学DFT计算的前期准备；mopti（31★）瞄准多目标优化和实验设计，metis-gui则提供XRD谱图的图形化分析界面。

BoFire（experimental-design/bofire）是基于同一生态视角的联合案例：项目由赢创牵头，巴斯夫、拜耳、勃林格殷格翰、Chemovator、海德堡大学和帝国理工都参与其中，采用BSD-3许可，有JMLR 2025论文作为方法学支撑，Agilent等机构已在使用。它把贝叶斯优化与实验设计并成一个统一框架，让实验设计这件事具备公共品属性，明显压低实验优化的进入门槛，评级★★★★。

其余化工企业的成果较为零散：壳牌的sede-open组织带来pyELQ（甲烷泄漏定位与量化）、Core2Relperm（相对渗透率曲线）、GWSDAT（地下水修复监测分析），评级★★★；先正达围绕农业化学开源了LinChemIn线性化学输入、Bio-QSAR以及Mapbox Field Renderer等，评级★★★；杜邦的DuPont-Research-Group提供了浮式海上风机结构力生成工具，★★★；液化空气只有数据挑战赛相关产出；陶氏、索尔维、汉高、阿科玛、科思创、阿克苏诺贝尔则没有发现组织级的重要开源项目，赢创的贡献主要落在它牵头主导BoFire上。

生态底座与使用提醒

绕不开的存在首先是RDKit（2483★），这是化学信息学的基础库。值得一提的是，它由社区管理，由Greg Landrum主导，最早来自Rational Discovery，以BSD许可发布，并不属于某一家公司的资产，但已经成了制药与化工领域公认的事实标准，上文几乎所有项目都直接或间接建立在它之上，评级★★★★★。

Open Targets则由EMBL-EBI、Wellcome Sanger研究所，以及Genentech、GSK、MSD、Pfizer、Sanofi共同搭建，用于靶点发现，旗下共33个仓库，含gentropy（59★）等，评级同样★★★★★。Pharmaverse由罗氏发起，是临床统计领域围绕R包的协作联盟，主体正是insightsengineering系列（teal、rtables、tern、tlg-catalog），这一套正在向临床统计的开源惯例靠拢，评级★★★★。

关于榜单与评级，该文献说明如下：star数量来自2024年行业榜单快照与2026年10月实时检索结果的混合采集，受查询时点不同带来的自然增长影响；价值级数是对社区活跃程度、行业采用状况以及技术替代难度所做的定性归纳，五星意味着在对应场景中几乎到了不用反而不合理的程度。合规原则上，项目授权方式不统一，MIT、Apache-2.0、BSD-3、GPL等均有出现，投入商业使用之前需要核对具体仓库的LICENSE文件；此外，企业内部私有仓库及员工以个人身份发布的项目并不在本次样本内，所以某家企业没有出现于榜单，并不能推出它完全没做开源。

小结：按照用途来选择，分子AI方向可以直接依托REINVENT4、aizynthfinder加上RDKit，临床统计报告用罗氏insightsengineering的一揽子套件，抗体设计选默克BioPhi，可穿戴数字疗法数据走辉瑞scikit-digital-health。整体看，药企已进入以官方组织体系化发布的阶段，化工企业仍需依靠BoFire这类联合框架补齐公共品，而无论走哪条路线，先把具体仓库的LICENSE核对清楚再商用都是必要动作。