32 CrossDocked2020
口袋条件分子生成的事实默认评测集,分数由对接软件给出。常用切分比数据集作者的更松,可能把同源信息泄漏进训练集。
bench-32 · 类型 D · 证据 L2 · 分子生成 · 补充收录 · 截至 2026-11-16
概况
| 字段 | 内容 |
|---|---|
| 名称 / 别名 | CrossDocked2020;全称:CrossDocked2020 交叉对接姿态数据集及其生成任务切分;别名:CrossDocked、CrossDocked2020 v1.3;有歧义、不自动链接:CrossDocked split |
| 家族 | 家族条目:CrossDocked2020 dataset †(未核实);2021 generative split †(未核实);CBGBench unified re-implementation †(未核实)。边界:数据集、被广泛沿用的生成切分与统一实现是三件不同产物;引用数字必须说明用的是哪一个。 |
| 领域 | 分子生成 |
| 类型 | D:D 计算 oracle,真值来自打分函数或折叠回读。以对接软件为 oracle 的生成评测,无官方榜单 |
| 证据层级 | L2:计算 oracle 的回顾性评测,无实验真值 |
| 发布方 | University of Pittsburgh(学术实验室) |
| 首次发布 | †(未核实)(依据:数据集论文的预印本(2020-02-20);期刊在线日 2020-08-31 单列为里程碑。) 预印本日期未在本轮重新取回原始页面 |
| 其他里程碑 | 预印本 v1 †(未核实)(数据集论文预印本);期刊上线 (期刊在线发表日(文献登记信息));代码发布 †(未核实)(统一实现的首个公开版本) |
| 最近更新 | †(未核实),数据发布:目录登记的数据版本更新;该记录未与一手发布日志核对,评测代码仓库此后只改说明文件。(版本日期仅见于第三方目录)。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(没有维护方公告新的数据版本或新切分。) |
| 规模 | 原始 2,250 万条对接姿态;生成切分约 10 万训练复合物与 100 个测试口袋。 明细:对接姿态数(原始数据集 / original dataset) 22500000;训练复合物数(2021 generative split) 约 100000;测试口袋数(2021 generative split) 100;切分过滤条件(2021 generative split) RMSD<1Å; sequence identity<30% |
| 状态 | ○ 冻结:数据集多年未变;2021 年的切分仍被持续沿用 |
| wet lab 更新 | 静态:无实验;全部为计算对接姿态与软件打分。 |
| 需自补 wet lab | 断言真实泛化时需要 |
| 报告模型数 | 1 个计入(自报 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:给定蛋白口袋生成配体,用对接打分、类药性、合成可及性与多样性评估。
- 真值:没有实验真值;参照物是对接软件的打分与参考配体。
- 主指标:对接打分(含高亲和力比例)
- 次指标:类药性与合成可及性;多样性;姿态物理有效率与相互作用恢复
- 版本陷阱:必须写明用的是哪套切分与预处理:广泛沿用的那套比数据集作者的更松,数字只在同一切分内可比。
当前排名
状态:≠ 不可比
- 指标:对接打分、高亲和力比例、类药性、合成可及性、多样性
- 评测集 / 口径:CrossDocked2020, the 2021 NeurIPS generative split (~100k training complexes, 100 unseen test pockets)
- 快照日期:
排名行不显示分数:3 个口径,无统一排名
说明:没有官方榜单,各论文的切分与预处理不同,数字不可横向比较;常用切分被指比数据集作者的更松且可能泄漏,统一实现只是重跑而非排名榜。
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 |
|---|---|---|---|---|---|---|---|---|
| TamGen | — | 不显示:口径不可比:切分与预处理不同,排名行不显示分数。†(未核实) | 对接打分、高亲和力比例、类药性、合成可及性、多样性 | CrossDocked2020, the 2021 NeurIPS generative split (~100k training complexes, 100 unseen test pockets) | 自报 | 出处 | 正文只给名次式表述,逐指标数值仅在补充材料中 | |
| TargetDiff(非本站模型) | — | 不显示:口径不可比:切分与预处理不同,排名行不显示分数。 | 对接打分、高亲和力比例、类药性、合成可及性、多样性 | CrossDocked2020, the 2021 NeurIPS generative split (~100k training complexes, 100 unseen test pockets) | 自报 | 出处 | 非本站模型;该切分上记录最完整的强基线 | |
| Pocket2Mol(非本站模型) | — | 不显示:口径不可比:切分与预处理不同,排名行不显示分数。 | 对接打分、高亲和力比例、类药性、合成可及性、多样性 | CrossDocked2020, the 2021 NeurIPS generative split (~100k training complexes, 100 unseen test pockets) | 第三方 | 出处 | 非本站模型;由另一篇论文重跑的基线行 |
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。1 个计入(自报 1)。
开发方按官方口径自报(1)
局限与注意
- 常用切分比数据集作者的更松,可能把同源信息泄漏进训练集。
- 对接打分只是软件代理,没有任何湿实验核对。
- 口袋被当作刚性,配体化学偏离类药空间,已有后续工作改用别的集合。
- 对接分容易被针对性优化刷高,高分不代表可合成或有活性。
- 没有维护方与官方结果表,跨论文的数字只在同一切分内可比。
新模型怎么用
按指定切分下载数据,对 100 个测试口袋各生成一批配体,再用统一实现计算对接分、类药性、合成可及性与多样性,不需自补湿实验。报告必须写明切分来源、预处理、生成数量与采样设置,并同报姿态有效率;对接分只是软件代理,要支持活性结论须自做实验或改用实验真值评测。可搭配 PoseBusters 与 PMO。
搭配:PoseBusters · PMO (Practical Molecular Optimization) · CASF-2016 · DUD-E / LIT-PCBA · GuacaMol (+MOSES)
来源
- 数据集原论文(期刊)
- 沿用并记录生成切分的模型论文(第三方论文)
- 统一实现仓库(仓库)
- 第三方数据库目录条目(二手)
- 在本切分上自报的模型论文(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 | 2020-08-31 | 2020-02-20 | 与其他条目统一用预印本 v1 作首发,期刊在线日单列。 | 依据 | 2026-11-16 |
| first_release_basis | CrossDocked2020 dataset paper (JCIM, Europe PMC first publication date; Crossref online date not retrieved) | paper_v1: ChemRxiv preprint of the CrossDocked2020 paper, 2020-02-20; JCIM journal online 2020-08-31 (Crossref) stored as a separate milestone. | 依据不再写成未取回,而是写明采用的是哪个里程碑。 | 依据 | 2026-11-16 |
| first_release | 2020-09-10 | 2020-08-31 | 原记录的日期来自文献聚合站,期刊登记的在线日更早。 | 依据 | 2026-11-16 |
| ranking.entries | per-model scores shown in the ranking row | scores withheld; splits and preprocessing differ and one entry has no main-text numbers | 显示规则:不可比条目不展示分数;补充材料中的逐指标值不作为榜单数字。 | 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。