26 FLIP / FLIP2
监督设定下的蛋白适应度基准,用刻意偏移的切分测低资源与外推。分数随训练配方与切分大幅波动,平均各切分会掩盖差异。
bench-26 · 类型 B · 证据 L2 · 蛋白 · 核心 30 项 · 截至 2026-11-16
概况
| 字段 | 内容 |
|---|---|
| 名称 / 别名 | FLIP / FLIP2;全称:蛋白适应度 landscape 推断基准(FLIP)及其第二代;别名:FLIP、FLIP2、FLIPv2;有歧义、不自动链接:flip |
| 家族 | 家族条目:FLIP ;FLIP2 †(未核实)。边界:两代共用仓库与切分思路,但数据集与切分不同;跨代数字不可直接比较。 |
| 领域 | 蛋白 |
| 类型 | B:B 静态数据集套件。监督外推用的静态数据集套件,无榜单 |
| 证据层级 | L2(范围 L2–L3):刻意构造的外推切分,但限于同一蛋白同一 assay |
| 发布方 | FLIP benchmark maintainers, an academic consortium(学术实验室) |
| 首次发布 | (依据:第一代的 bioRxiv v1;同年收入 NeurIPS 数据集与基准专刊。) |
| 其他里程碑 | 预印本 v1 (第一代 bioRxiv v1);代码发布 †(未核实)(第二代发布 PR 合入主分支) |
| 最近更新 | †(未核实),新版本:第二代的发布合入主分支,带来数据与代码;此后的提交只刷新文档页。(合入日期本轮未重新取回,存档发布日是另一事件)。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(维护方未公告第三代或新的切分。) |
| 规模 | 第一代 3 个 landscape、15 个切分;第二代新增 7 个数据集、16 个预定义切分。 明细:landscape 数(FLIP) 3;预定义切分数(FLIP) 15;变体数(三个 landscape 合计量级)(FLIP) 8733 / 82583 / 约 1.7 万;新增数据集(FLIP2) 7;预定义切分数(FLIP2) 16 |
| 状态 | ◐ 低频:第一代维护低频;第二代 2026 年发布;无官方榜单 |
| wet lab 更新 | 静态:不做新实验;复用已发表的深度突变扫描与热稳定性数据。 |
| 需自补 wet lab | 不需要 |
| 报告模型数 | 2 个计入(自报 2) |
| 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:监督预测蛋白适应度,在刻意偏移的切分上考察低资源学习与外推能力。
- 真值:已发表的深度突变扫描读数与热稳定性测量,按蛋白与 assay 分别组织。
- 主指标:每个切分的 Spearman ρ
- 次指标:切分间的方差与训练配方敏感度
- 版本陷阱:须写明代次、切分名与训练配方;部分旧切分已被作者标为不宜比较,平均各切分会掩盖差异。
当前排名
状态:≠ 不可比
- 指标:Spearman ρ(按切分)
- 评测集 / 口径:FLIP splits (GB1, AAV, Meltome); FLIP2 adds 7 datasets
- 快照日期:
排名行不显示分数:3 个口径,无统一排名
说明:没有官方在线榜单,数字全部来自论文的分任务表;第三方复评显示训练配方带来的波动大于模型差异,随机切分与外推切分也不可混比。
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 |
|---|---|---|---|---|---|---|---|---|
| xTrimoPGLM (LoRA fine-tuned, not zero-shot) | — | 不显示:口径不可比:切分与训练配方不同,排名行不显示分数。 | Spearman ρ(按切分) | FLIP splits (GB1, AAV, Meltome); FLIP2 adds 7 datasets | 自报 | 出处 | 随机对照切分上的微调结果,接近上限,不是外推切分 | |
| SaProt | — | 不显示:口径不可比:切分与训练配方不同,排名行不显示分数。 | Spearman ρ(按切分) | FLIP splits (GB1, AAV, Meltome); FLIP2 adds 7 datasets | 自报 | 出处 | 热稳定性切分自报;另一数据集只给图,无可引数值 | |
| SaProt | — | 不显示:口径不可比:切分与训练配方不同,排名行不显示分数。 | Spearman ρ(按切分) | FLIP splits (GB1, AAV, Meltome); FLIP2 adds 7 datasets | 第三方 | 出处 | 第三方复评,使用外推切分,与自报口径不同 |
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 2)。
开发方按官方口径自报(2)
- SaProt:作者按官方切分自报;另有第三方在 GB1 外推切分上的重评估,结论不一致(自报,置信度高;出处)
- xTrimoPGLM:只用 FLIP 的 GB1 sampled split,且为微调后结果,不是零样本,也不是 FLIP 全套(自报,置信度高;出处)
局限与注意
- 分数随训练配方与切分大幅波动,平均各切分会掩盖差异。
- 外推限于同一蛋白、同一 assay 内,不是跨家族泛化。
- 第二代报告简单模型常追平微调后的蛋白语言模型。
- 没有官方在线榜单,复用者口径不一,影响力已被更大的套件压过。
- 部分第一代切分已被作者标注为不宜用于比较或过时。
新模型怎么用
下载指定代次的数据与预定义切分,按切分训练并报 Spearman ρ,静态即可跑完,不需自补湿实验。报告须写明代次、切分名、训练配方与随机种子方差,分切分列出而非取平均,并与简单基线对照;要证明跨蛋白泛化,须另取新 assay。可搭配 ProteinGym 与 FS-Mol 的少样本设定。
搭配:ProteinGym · CAGI · FS-Mol · RNAGym
来源
- 第一代预印本(预印本)
- 官方仓库与数据说明(仓库)
- 第二代数据存档(存档)
- 第二代预印本(预印本)
- 对本基准切分的第三方复评(第三方论文)
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 |
|---|---|---|---|---|---|
| FLIP2 release date | 2026-05 | archive publication 2026-01-30; repository release commit 2026-03-03; release pull request merged 2026-04-23 | 日期审计:原记录的发布月没有对应事件,三个有据事件须分开列出。 | 依据 | 2026-11-16 |
| ranking.entries | per-model scores shown in the ranking row | scores withheld; splits and training recipes differ | 显示规则:不可比条目不展示分数,逐协议数值留在实体页。 | 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。