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…

20 CACHE

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

计算团队提交可购化合物,组织方实测结合,是真做湿实验的盲测。评的是整支队伍的 workflow,不是单个模型;官方不公布工作流内用了哪些模型。

bench-20 · 类型 A · 证据 L5 · 小分子 · 核心 30 项 · 截至 2026-11-16

概况

字段 内容
名称 / 别名 CACHE;全称:Critical Assessment of Computational Hit-finding Experiments;别名:CACHE challenge、CACHE #1、CACHE #5、CACHE #8;有歧义、不自动链接:DREAM x CACHE、Target 2035
家族 否(单一挑战的历届轮次,不是家族条目;各轮规模记在规模项中。)
领域 小分子(次领域:结构/共折叠)
类型 A:A 周期盲测挑战,每届新题新真值。周期前瞻盲测,每轮一个靶点
证据层级 L5:前瞻湿实验;无独立实验室复现
发布方 Structural Genomics Consortium、Conscience(非营利研究机构)
首次发布 †(未核实)(依据:官方页面公布的第 1 轮靶点与开放参与安排;无当日存档) 报名截止日 2022-01-31 只作注记,不能当首发。
其他里程碑 最早公开证据 (第 1 轮报名截止日(仅作注记,不是发布));官方公告 †(未核实)(第 1 轮开放参与的官方公告安排)
最近更新 †(未核实),数据发布:托管方发布第 5 轮结果新闻稿(2026 年 8 月上传 PDF);DREAM×CACHE Target 2035 于 2026 年 6 月启动。(新闻稿确切日期未见(站上笔记写 2026-08-18)。)。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 †(未核实)(托管方新闻稿称第 9 轮预计 2026 年底;DREAM×CACHE 报名截止 2026-11-30)
规模 第 1–8 轮,每轮 1 个靶点、每队 ≤100 个化合物;第 5 轮共 2,031 个、第 6 轮 1,344 个。 明细:第 1 轮化合物(23 队)(CACHE #1) 1955 {'zh': '个化合物', 'en': 'compounds'};第 5 轮化合物合计(24 队)(CACHE #5) 2031 {'zh': '个化合物', 'en': 'compounds'};第 5 轮第一阶段(CACHE #5) 1455 {'zh': '个化合物', 'en': 'compounds'};第 5 轮第二阶段(15 名参与者)(CACHE #5) 576 {'zh': '个化合物', 'en': 'compounds'};第 6 轮化合物(18 名参与者)(CACHE #6) 1344 {'zh': '个化合物', 'en': 'compounds'};每队提交上限 100 {'zh': '个化合物', 'en': 'compounds'}
状态 ● 活跃:活跃:第 8 轮进行中,第 5 轮结果 2026-08 公布
wet lab 更新 新:是:约每年 2 轮,每轮 1,300–2,000 个化合物加 300–600 个类似物,由实验室实测。
需自补 wet lab 不需要
报告模型数 0 个计入
当前排名 — 无排名(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:每轮给一个靶点,各队提交 ≤100 个可购化合物,组织方做初筛与正交确认,第二阶段再提交类似物。
  • 真值:组织方新测的结合数据(SPR 等)与第二阶段的功能或正交 assay 结果。
  • 主指标:实验确认的命中数与命中率
  • 次指标:第二阶段确认的类似物数与系列数;命中物的亲和力区间
  • 版本陷阱:逐轮靶点与 assay 不同,命中判据也不同(第 1 轮以 KD<150 µM 为命中),跨轮命中率不可比。

当前排名

状态:— 无排名

  • 指标:实验确认的命中数与命中率(SPR、剂量响应、功能 assay);无单一分数
  • 评测集 / 口径:CACHE challenges #1-#8, one target per round, up to 100 purchasable compounds per team
  • 快照日期:†(未核实)
  • 榜单页面

说明:CACHE 前瞻评测的是整支队伍的 workflow 而不是单个模型,只公布命中计数;每轮命中率 0.7–4%,样本量不足以做显著性比较。

模型 名次 数值 指标 评测集 / 口径 来源类型 日期 出处 说明
CACHE #5 (MCHR1) round results, workflow level rather than model level(非本站模型) — 不显示:页面无日期,且组织方不给名次,按诚实规则不作为排名数值显示。†(未核实) 实验确认的命中数与命中率(SPR、剂量响应、功能 assay);无单一分数 CACHE challenges #1-#8, one target per round, up to 100 purchasable compounds per team 榜单 —†(未核实) 出处 非本站模型。官方结果页按工作流编号公布命中计数,不披露所用模型,也不排名次。
Boltz-2 — 不显示:无数值、无日期,不作排名显示。†(未核实) 实验确认的命中数与命中率(SPR、剂量响应、功能 assay);无单一分数 CACHE challenges #1-#8, one target per round, up to 100 purchasable compounds per team 第三方 —†(未核实) 出处 Boltz-2 论文未报 CACHE 参赛,CACHE 结果页也不披露各工作流内的模型,是否用过属未公开。

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。0 个计入。

暂无模型与本 benchmark 构成配对。

提及但不构成配对

  • Boltz-2:其论文未报 CACHE;官方结果页不列各工作流所用模型,故不构成配对。(出处)

局限与注意

  1. 评的是整支队伍的 workflow,不是单个模型;官方不公布工作流内用了哪些模型。
  2. 每轮命中仅数十个、命中率 0.7–4%,且无显著性检验,ML 与物理方法无法统计比较。
  3. 命中多为数十 µM 的弱结合,结合不等于功能活性或可成药性。
  4. 偏倚:化合物库限于单一供应商、自愿参赛,assay 灵敏度限制弱结合物检出。
  5. 第 7、8 轮尚无公布结果;第 4–6 轮的同行评议论文滞后。

新模型怎么用

真盲测只能参加下一轮;已揭盲轮次的化合物级数据可作回顾集,但对训练截止较晚的模型不再是盲测。报告时写明轮次、靶点、命中判据与 assay,并区分第一、第二阶段。要得到真实泛化结论必须有前瞻测定,该轮成本由组织方承担。

搭配:PoseBusters · PLINDER / PINDER / Runs N' Poses · DUD-E / LIT-PCBA · Polaris / ASAP / OpenADMET

来源

  1. CACHE 官网(官方网站)
  2. 第 5 轮官方结果页(官方网站)
  3. 托管方第 5 轮结果新闻稿(新闻),†(未核实)
  4. 第 7 轮规则页(官方网站)
  5. 第 1 轮结果预印本(预印本)
  6. 第 3 轮参赛工作流论文(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
first_release 2022-01-31 2021-12-01 2022-01-31 是第 1 轮报名截止日,报名截止日绝不能当首发;官方页面给出的开放参与日为 2021-12-01。 依据 2026-11-16
first_release_basis challenge #1 application deadline (launch date not stated on site) official announcement of challenge #1 targets and open participation, 2021-12-01 (organiser page). This is the announced arrangement; no same-day archive of the live opening was obtained, so the day stays flagged. Application deadline 2022-01-31 is stored as a note only. 依据随之改写,明确用的是官方公告的开放安排,并把报名截止日降为注记。 依据 2026-11-16
members [{"member": "CACHE #1 (deadline)", "date": "2022-01-31"}, {"member": "CACHE #8 (deadline)", "date": "2026-04-30"}] [{"member": "CACHE #1 announced open (2021-12-01)", "date": "2021-12-01"}, {"member": "CACHE #1 application deadline", "date": "2022-01-31"}, {"member": "CACHE #8 application deadline", "date": "2026-04-30"}] 把开放日与各轮报名截止日分开存放,使截止日不会被读成发布日。 依据 2026-11-16
scale round #5: 2,031 compounds; round #6: 1,344 unchanged, with provenance: round #5's 2,031 is the sum of stage 1 (1,455 compounds, 24 teams) and stage 2 (576); round #6 is 1,344 compounds from 18 participants 湿实验核对要求每个数字带分子分母与阶段归属,避免把两阶段之和读成单阶段规模。 依据 2026-11-16
ranking.status round results shown as a ranking row no-ranking: hit counts at workflow level, with the undated results page withheld from display 组织方不排名次,结果页无日期;每个显示的分数都需要日期与来源类型。 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。