模型与 Benchmark板块首页
总览
AI for Bio benchmark 总览模型 × benchmark 配对矩阵训练数据从哪来:公开库、私有授权、自产 wet lab 与…模型索引:112 个模型按领域分组44 个 benchmark 的规模、更新与 wet la…
Benchmark 档案:核心 30 项
01 CASP02 ProteinGym03 MoleculeNet04 TDC05 PoseBusters06 CASF-201607 USPTO family08 Basenji/Enformer test set09 scIB10 GuacaMol11 ClinVar hold-out protocol12 DUD-E / LIT-PCBA13 CAGI14 PubMedQA15 CAMEO16 GUE + Nucleotide Transform…17 CAFA18 LAB-Bench / LABBench219 PMO20 CACHE21 DREAM5 / BEELINE / CausalB…22 CAPRI23 BioASQ24 虚拟细胞挑战赛与扰动预测评测25 RNA-Puzzles26 FLIP / FLIP227 Polaris / ASAP / OpenADMET28 Adaptyv competitions / Ben…29 BixBench30 PLINDER / PINDER / Runs N'…
Benchmark 档案:补充 14 项
31 FoldBench32 CrossDocked202033 PoseX34 AbBiBench35 FLAb / FLAb236 AIntibody37 TraitGym38 BEND39 RNAGym40 MotifBench41 BioML-bench42 BioMysteryBench43 Ginkgo GDPa144 FS-Mol
模型:结构/共折叠
AF2-Multimer:Google DeepMindAlphaFold 3BioEmu-2Boltz-1 / Boltz-1xBoltz-2:MIT、Recursion、Boltz P…Chai-1:Chai DiscoveryChai-2:Chai DiscoveryDiffDock:MIT CSAILESMFold2HelixFold-S1:BaiduIntelliFold-2:IntelliGen AIIsoDDE:Isomorphic LabsMassiveFoldNeuralPLexer3OpenComplex2OpenDDE:Aureka AI Research、Au…OpenFold3Pearl:Genesis Molecular AIProtenixRF3:University of Washington …RhoFold+ / DRfold2 / trRosett…RNAPro:NVIDIA、Stanford Univer…SeedFold:ByteDance SeedVina:Scripps Research
模型:小分子
ADMET-AIAQAffinity:SandboxAQBeacon:Inductive BioChemformer:AstraZenecaChemprop v2:MITEnchant v1 / v2ether0:FutureHouseKERMT:Merck & Co.、NVIDIAMiniMol:Valence LabsMolE:RecursionMoLFormer-XL:IBM ResearchNesso-1:Valence Labs、Recursio…ReaSyn v2:NVIDIA、KAISTREINVENT 4RetroDFM-RSaturn:EPFLTamGen:Microsoft Research AI …TerraBind:Terray TherapeuticsTxGemma:Google DeepMind、Googl…Uni-Mol2Uni-Mol3
模型:蛋白
AlphaProteoAMPLIFY:Mila、Polytechnique Mo…BindCraftBoltzGenChai-3:Chai DiscoveryClaude 蛋白设计研究DPLM-2:ByteDance Research、Nan…Dyno Psi-1 / Psi-PhiESM C:Evolutionary Scale、Chan…ESM3:Evolutionary Scale、Chan …EVOLVEproLa-Proteina:NVIDIALatent-X / X2:Latent LabsLucaOne:Alibaba Cloud、Sun Yat…Mosaic:Escalante BioPinal:Westlake UniversityPoET-2:OpenProtein.AIProfluent-E1:ProfluentProGen3:ProfluentProSST:Shanghai Jiao Tong Uni…Proteina-Complexa:NVIDIARFdiffusion2 / 3SaProt:Westlake University、We…SeedProteo:ByteDance SeedVenusREMxTrimoPGLM
模型:抗体
GerminalHCAbLM:Nona Biosciences、HBM H…IgGM / IgGM-FMJAM / JAM-2:Nabla BioOrigin-1:AbsciRFantibodytFold:Tencent AI for Life Sci…
模型:基因组/RNA
AlphaGenome:Google DeepMindAlphaMissense:Google DeepMindBioReasonBorzoi:Calico Life SciencesBulkFormerEvo 2:Arc Institute、NVIDIA、St…NTv3:InstaDeeppopEVE:Harvard Medical School…RIBOSPAN
模型:单细胞
AIDO Cell:GenBio AIC2S-ScaleCellFM:Sun Yat-sen University…Lingshu-CellscGPT / GeneformerscPRINT-2Stack:Arc InstituteSTATE:Arc InstituteTahoe-x1:Tahoe TherapeuticsTranscriptFormerX-Cell:Xaira TherapeuticsxTrimoSCPerturb / scFoundation
模型:分子生成
GenMol:NVIDIA
模型:文本与 agent
Biomni:Stanford University、Ph…Co-ScientistGPT-Rosalind:OpenAIIntern-SKosmos / Edison AnalysisMedGemma / Med-GeminiQuine:Microsoft ResearchRobin:FutureHouseSciReasonerTxAgent:Harvard Medical SchoolVERID:Google Research前沿通用大模型:Anthropic、OpenAI、Goog…

05 PoseBusters

整理 2026-11-16 · 来源与可靠度标注见正文
本文目录
  1. 概况
  2. 测什么、怎么测
  3. 当前排名
  4. 报告过的模型
  5. 局限与注意
  6. 新模型怎么用
  7. 来源
  8. 更正记录

蛋白-配体姿态评测:RMSD 阈值加 18 项物理化学有效性检查。部分结构落在新模型的训练期内,约 80% 的成绩不能读作对新口袋的泛化率。

bench-05 · 类型 C+B · 证据 L3 · 结构/共折叠 · 核心 30 项 · 截至 2026-11-16

概况

字段 内容
名称 / 别名 PoseBusters;别名:PoseBusters V1、PoseBusters V2、PoseBusters Benchmark set;有歧义、不自动链接:PB-valid
家族 否(V1 与 V2 是同一工具的两套集合,属版本而非家族成员。)
领域 结构/共折叠
类型 C+B:C 基础设施:检查器、切分工具或评测协议;B 静态数据集套件。有效性检查器工具,加两套冻结的静态复合物集
证据层级 L3:按时间切分的回顾性评测,非盲测
发布方 University of Oxford, OPIG group(学术实验室)
首次发布 (依据:论文预印本 arXiv 2308.05777 v1;工具包首个公开版本两天后上传 PyPI。)
其他里程碑 预印本 v1 (arXiv 2308.05777 v1);代码发布 (PyPI 首个公开版本 0.2.2)
最近更新 ,仅维护:主分支上未发布的提交(HTML 报告,另有一次版本号提升),无标签或 release;最后一个发布版本仍为 0.6.5,两套集合未变。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(维护方未公告新的集合版本或新一轮评测。)
规模 V1 428 个复合物,V2 308 个,另有 85 个的易例对照集;检查 18 项。 明细:复合物数(V1) 428;复合物数(去除晶体接触配体)(V2) 308;易例对照集复合物数(Astex Diverse set) 85;有效性检查项(化学、分子内、分子间各 6 项) 18
状态 ● 活跃:检查器被广泛使用;集合自 V2 起冻结且趋近饱和
wet lab 更新 静态:不做新实验;复用 2021 年后公开的 PDB 复合物。
需自补 wet lab 断言真实泛化时需要
报告模型数 8 个计入(自报 4 · 改协议 4);另 3 条不计入(仅引用 3)
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:给定蛋白与配体,预测配体姿态;同时考察几何接近晶体与物理化学是否合理。
  • 真值:公开 PDB 晶体结构,限定 2021 年后发布且不在常用训练集内。
  • 主指标:RMSD≤2Å 且通过全部检查的比例
  • 次指标:仅 RMSD<2Å 的成功率;各类检查的通过率
  • 版本陷阱:引用任何数字必须标明 V1 还是 V2、是否含有效性检查,以及取样规则(best@N 或最高置信度)。

当前排名

状态:≠ 不可比

  • 指标:RMSD<2Å 且通过检查的比例(部分来源只给 RMSD)
  • 评测集 / 口径:Mixed: PoseBusters V2 (308) vs Pearl post-2021-10-01 subset (297); best@5 vs top-confidence
  • 快照日期:(旧:早于截至日 12 个月以上)

排名行不显示分数:5 个口径,无统一排名

说明:无官方榜单;数字全部来自论文,子集、取样规则与训练截止各不相同,部分条目与训练期重叠;个别模型因训练截止被排除,另有两例未复核。

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
Pearl — 不显示:口径不可比:子集与取样规则不同,排名行不显示分数。†(未核实) RMSD<2Å 且通过检查的比例(部分来源只给 RMSD) Mixed: PoseBusters V2 (308) vs Pearl post-2021-10-01 subset (297); best@5 vs top-confidence 自报 出处 作者自报,取 2021-10-01 之后的子集,未见独立复现
Boltz-1x — 不显示:口径不可比:子集与取样规则不同,排名行不显示分数。 RMSD<2Å 且通过检查的比例(部分来源只给 RMSD) Mixed: PoseBusters V2 (308) vs Pearl post-2021-10-01 subset (297); best@5 vs top-confidence 第三方 出处 由另一模型的论文团队跑出,非作者自报
Chai-1 — 不显示:口径不可比:子集与取样规则不同,排名行不显示分数。 RMSD<2Å 且通过检查的比例(部分来源只给 RMSD) Mixed: PoseBusters V2 (308) vs Pearl post-2021-10-01 subset (297); best@5 vs top-confidence 第三方 出处 由另一模型的论文团队跑出,非作者自报
AlphaFold 3 — 不显示:口径不可比:子集与取样规则不同,排名行不显示分数。†(未核实) RMSD<2Å 且通过检查的比例(部分来源只给 RMSD) Mixed: PoseBusters V2 (308) vs Pearl post-2021-10-01 subset (297); best@5 vs top-confidence 第三方 出处 选姿态规则与 best@5 不同,且训练截止与集内部分结构重叠
NeuralPLexer3 — 不显示:口径不可比:子集与取样规则不同,排名行不显示分数。 RMSD<2Å 且通过检查的比例(部分来源只给 RMSD) Mixed: PoseBusters V2 (308) vs Pearl post-2021-10-01 subset (297); best@5 vs top-confidence 自报 出处 作者自报,用完整 V2 集

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。8 个计入(自报 4 · 改协议 4);另 3 条不计入(仅引用 3)。

开发方按官方口径自报(4)

  • AlphaFold 3:V1 为自报官方口径;V2 的数字是第三方复算(自报,置信度高;出处)
  • Chai-1:自报经多篇综述转引,未读全文;更严口径的数字是第三方复跑(自报,置信度高,未核实†;出处)
  • NeuralPLexer3:只报 V2 集,指标为 RMSD<2Å 且通过物理有效性检查(自报,置信度高;出处)
  • Protenix:只对早期版本成立:v1 与 v2 技术报告都未在该测试集上报分,v1 只把它的有效性判据当指标,站内矩阵对当前版本高估(自报,置信度低,未核实†;出处)

开发方自报,协议有改动(4)

  • IntelliFold-2:README 只给近似值,未说明采样与选姿态规则,不宜与他人论文横比(自报,置信度中,未核实†;出处)
  • Nesso-1:同句点名;姿态为粗粒度,物理有效性检查未按全原子方式执行(自报,置信度高;出处)
  • Pearl:自报 best@5 加 PB-valid 口径;AlphaFold 3 取其官方 max-confidence 数字,口径混合;Boltz-2 因训练截止较晚被排除(自报,置信度中,未核实†;出处)
  • TerraBind:只给三个结构集合并的柱状图,正文未单列该 benchmark 的数值(自报,置信度中;出处)

仅被引用作比较(3,不计数)

  • Boltz-1 / Boltz-1x:数字出自第三方论文复跑,开发方未在此自报(第三方,置信度中,未核实†;出处)
  • DiffDock:数字来自他人论文的对照表,不是开发方自报,也不等于后继版本的官方成绩(第三方,置信度中;出处)
  • Vina:开发方未自报,数字全部来自他人论文;口袋已知与盲预测不可直接比较(第三方,置信度中;出处)

局限与注意

  1. 部分结构落在新模型的训练期内,约 80% 的成绩不能读作对新口袋的泛化率。
  2. 对接与共折叠输入条件不同,取样规则也不同,横向比较并不对等。
  3. V2 仅 308 个体系,样本量使头部几个百分点的差距不足以支撑排名。
  4. 集合自 V2 起冻结且趋饱和,有效性检查已被多数新模型内置满足。
  5. 姿态准确不等于亲和力或活性;未检出其分数与湿实验命中率关联的公开研究。

新模型怎么用

安装官方工具包,对每个复合物跑姿态预测并用它计算 RMSD 与 18 项检查,静态即可跑完,不需自补湿实验。报告须写明集合版本、是否含有效性检查、取样规则、训练数据截止日,以及与集内结构的重叠情况;只有按训练相似度分层或改用更新的时间切分,才能支持泛化结论。可搭配 PLINDER 与 PoseX。

搭配:PLINDER / PINDER / Runs N' Poses · PoseX · FoldBench · CASF-2016 · CrossDocked2020

来源

  1. 原论文预印本(预印本)
  2. 官方仓库(仓库)
  3. 官方工具包(PyPI)(包仓库)
  4. 使用本基准子集的第三方模型论文(第三方论文)
  5. 在完整 V2 上复算的模型论文(第三方论文)
  6. 共折叠模型论文,报告 V1 结果(期刊)

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
latest_update_kind new-version code-maintenance-only 2026-10-03 是主分支上未打标签的提交,版本号提升提交也不是发布,不支持写成新版本。 依据 2026-11-16
latest_update_desc Repo added HTML diagnostic report (#102); 2026-09-17 version bumped 0.6.5 to 0.7.0. PyPI still shows 0.6.5 (2026-03-07). Unreleased commits on main: HTML report (2026-10-03) and a 0.7.0 version-bump commit (2026-09-17); no tag or release object. Last tagged release and PyPI version: v0.6.5 (2026-03-07). Benchmark sets V1/V2 unchanged. 说明与订正后的事件类型同步。 依据 2026-11-16
domain small-molecule structure 本轮口径决定:本条与共折叠评测统一归入结构领域。 依据 2026-11-16
n_models_reported 10 8 counted under the new relation taxonomy, with comparison-only citations excluded 报告模型数按新关系口径重算,仅作比较引用的条目不计入。 依据 2026-11-16
models_reported (one co-folding model) listed as reporting this benchmark in its current versions version-qualified: only an early version's table reports a score on this set 版本限定:当前版本并未报告本集分数,矩阵格此前高估。 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。