03 MoleculeNet
分子表示学习的历史默认套件:17 个公开数据集,适合文献对齐与回归测试,不足以支撑药研能力宣称。已知数据错误未修订,简单指纹基线常与预训练模型持平;切分实现各异,数字常不可比
bench-03 · 类型 B · 证据 L2 · 小分子 · 核心 30 项 · 截至 2026-11-16
概况
| 字段 | 内容 |
|---|---|
| 名称 / 别名 | MoleculeNet (+OGB);全称:MoleculeNet 分子机器学习基准套件(含 OGB 衍生分子集);别名:MoleculeNet、MolNet、molnet、ogbg-molhiv、ogbg-molpcba;有歧义、不自动链接:OGB |
| 家族 | 否(单一数据集套件;OGB 分子集是派生切分,作为版本陷阱记录,不另立家族。) |
| 领域 | 小分子 |
| 类型 | B:B 静态数据集套件。静态数据集套件,无官方榜单 |
| 证据层级 | L2(范围 L2–L3):随机切分 L2,scaffold 切分弱 OOD 为 L3 |
| 发布方 | Stanford University (academic group)、DeepChem open-source project(学术实验室) |
| 首次发布 | (依据:arXiv 1703.00564 v1) |
| 其他里程碑 | 预印本 v1 (arXiv 1703.00564 v1);期刊上线 †(未核实)(Chem. Sci. 期刊版(仅年份可证,在线日未取得)) |
| 最近更新 | ,论文修订:arXiv v3 发布(最后一次论文修订);Chem. Sci. 版 2018 年发表;此后无带版本号的数据快照。(DeepChem 加载器仍在维护,属库维护而非基准变更)。此为最近一次有出处的事件,不代表此后没有更新 |
| 下一次预期 | 无公告(数据集已冻结,发布方未宣布新版本。) |
| 规模 | 论文列 17 个数据集,从 FreeSolv(642)到 PCBA(437,929 个化合物);QM9 含 133,885 个分子 明细:数据集数(paper (Chem. Sci. 2018)) 17;最小数据集(FreeSolv)(paper) 642 molecules;最大数据集(PCBA)(paper) 437,929 compounds;QM9 分子数(paper) 133,885 molecules;DeepChem molnet 加载器(DeepChem master, checked 2026-11-16 (includes non-paper datasets)) 44 |
| 状态 | ○ 冻结:2018 年起事实冻结;仍被广泛用于文献对齐 |
| wet lab 更新 | 静态:不新增实验;复用公开数据库,QM9 为 DFT 计算 oracle |
| 需自补 wet lab | 不需要 |
| 报告模型数 | 2 个计入(自报 1 · 改协议 1);另 1 条不计入(未证实 1) |
| 当前排名 | ≠ 不可比(见当前排名) |
| 全站实体页 | 无(全站 /entities/ 体系中没有该 benchmark 的页面。) |
| 截至 | 2026-11-16 |
测什么、怎么测
- 任务:在 17 个公开数据集上做小分子性质预测,覆盖量子、物化、生物物理与毒性终点
- 真值:QM 系列为 DFT 计算值;其余来自文献汇编、PubChem 筛选与 Tox21 细胞实验
- 主指标:分类 ROC-AUC;回归 RMSE/MAE
- 次指标:PRC-AUC(PCBA、MUV)
- 版本陷阱:同名切分实现不一;OGB 分子集固定 scaffold 切分,与原切分分数不可比;Tox21 版与原挑战赛数据不同
当前排名
状态:≠ 不可比
- 指标:分类 ROC-AUC,回归 MAE/RMSE
- 评测集 / 口径:MoleculeNet 17 datasets; splits (scaffold/random) and seeds differ per paper
- 快照日期:
排名行不显示分数:3 个口径,无统一排名
说明:无官方榜单;数据 2018 年起冻结、各论文重新切分,跨论文数字不构成排名;OGB 衍生集与原 MoleculeNet 数字不可比
不可比:下表按条目列出,不排名次。
| 模型 | 名次 | 数值 | 指标 | 评测集 / 口径 | 来源类型 | 日期 | 出处 | 说明 |
|---|---|---|---|---|---|---|---|---|
| MoLFormer-XL | — | 不显示:不可比:各论文协议与子集不同,排名行不显示分数;逐协议数值留在实体页。 | 分类 ROC-AUC,回归 MAE/RMSE | MoleculeNet 17 datasets; splits (scaffold/random) and seeds differ per paper | 自报 | 出处 | 自报(表 1,scaffold 切分):作者称 6 项中 3 项第一、其余 3 项接近第二;无榜单,仅为自报位次 | |
| Uni-Mol2 | — | 不显示:不可比:各论文协议与子集不同,排名行不显示分数;逐协议数值留在实体页。†(未核实) | 分类 ROC-AUC,回归 MAE/RMSE | MoleculeNet 17 datasets; splits (scaffold/random) and seeds differ per paper | 自报(二手) | 出处 | 仅报 QM9 的 8 个性质,用 scaffold 而非推荐的 random 切分;逐性质数值本轮未复核 | |
| Chemprop v2 | — | 不显示:来源不全(缺 url),按诚实规则不显示†(未核实) | 分类 ROC-AUC,回归 MAE/RMSE | MoleculeNet 17 datasets; splits (scaffold/random) and seeds differ per paper | 第三方 | —†(未核实) | — | 无 v2 专属的 MoleculeNet 数字;流传数字属 2019 年原版 D-MPNN;配对未证实 |
排名数据读取于 2026-11-16。分数原样照录,不换算、不跨 benchmark 比较。
报告过的模型
按关系类型分组;计数口径见配对矩阵。2 个计入(自报 1 · 改协议 1);另 1 条不计入(未证实 1)。
开发方按官方口径自报(1)
- MoLFormer-XL:分类六项按 scaffold 划分、回归五项按随机划分,共十一项;对照基线为监督图神经网络,未含指纹类基线。本页不转录分数(自报,置信度高;出处)
开发方自报,协议有改动(1)
未证实(1,不计数)
- Chemprop v2:该 benchmark 的成绩属 2019 年初版;v2 摘要只称数据集与切分沿用上一篇软件论文、与原版算法等价,未说明是否重跑,故不作为已报告;该条目 provenance 不全(缺 url 与日期),在排名行被扣下不显示(未知,置信度高,未核实†;出处)
局限与注意
- 已知数据错误未修订,简单指纹基线常与预训练模型持平;切分实现各异,数字常不可比
- 第三方分析指出 BBBP 有无法解析的 SMILES 与重复结构、BACE 存在立体异构体活性差异、ESOL 动态范围远超药企实测范围
- 一项 2025 年预印本称 MoleculeNet 版 Tox21 的训练与测试集与原挑战赛不同
- 一项 2025 年预印本检验 25 个预训练分子嵌入模型,除 1 个外均不优于 ECFP 基线
- 无盲测、无前瞻;未见其分数与前瞻命中率相关的研究
新模型怎么用
用 DeepChem 加载器或 OGB 固定切分静态运行,无需湿实验,结论仅属回顾性证据。固定 scaffold 或聚类切分,同报 ECFP 加树模型基线,至少 10 个种子报标准差,用清洗版 BBBP/BACE,并对预训练语料去重。可搭配 TDC、Polaris 与 FS-Mol。
搭配:TDC (ADMET + DTI) · Polaris / ASAP / OpenADMET · FS-Mol · CASF-2016
来源
- MoleculeNet 论文(arXiv 1703.00564)(预印本)
- MoleculeNet 期刊版(Chem. Sci. 2018)(期刊)
- DeepChem molnet 加载器源码(仓库)
- 化学信息学博客:基准数据质量分析(2023-08)(二手)
- 预训练分子嵌入与 ECFP 基线比较(arXiv 2508.06199)(第三方论文)
- Tox21 复现研究(arXiv 2511.14744)(第三方论文)
- OGB 图属性预测文档(官方网站)
- MoLFormer-XL 论文(arXiv 2106.09553)(预印本)
- Uni-Mol2 论文(arXiv 2406.14969)(预印本)
更正记录
以下为本轮核对中改过的字段,原值按记录照录。
| 字段 | 原 | 现 | 原因 | 出处 | 发现日期 |
|---|---|---|---|---|---|
| ranking.entries[2] (Chemprop v2) | MoleculeNet × Chemprop v2 listed as a pairing with numbers | withheld: incomplete provenance (missing url); numbers belong to the 2019 D-MPNN original | 变更集 §5.3:该条目缺 url,按诚实规则扣下不显示;§4.2 该配对未证实。 | 依据 | 2026-11-16 |
本文为个人研究笔记,结论基于成文时可获得的公开信息;带〔估算〕〔推断〕或⚠️的数字未经独立核实。