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…

44 FS-Mol

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

在全新 assay 上只给 16–256 个标签,预测其余分子活性;填补少样本适配场景。测试任务仅酶靶点,157 个中 125 个是激酶,其他类别只有 1–20 个任务。

bench-44 · 类型 B · 证据 L3 · 小分子 · 补充收录 · 截至 2026-11-16

概况

字段 内容
名称 / 别名 FS-Mol;全称:FS-Mol:少样本分子活性预测基准;别名:fsmol-0.1
家族 否(只有一个数据版本 fsmol-0.1,仓库与论文是同一条目的里程碑,非家族。)
领域 小分子
类型 B:B 静态数据集套件。固定任务划分加评测协议
证据层级 L3:按靶点 assay 划分的跨 assay 迁移,无盲测
发布方 Microsoft Research、Novartis(多类机构联合)
首次发布 (依据:NeurIPS 2021 Datasets and Benchmarks 论文,2021-12(月级;未找到 arXiv 版本)。仓库首个提交 2021-08-13 仅作注。)
其他里程碑 最早公开证据 †(未核实)(仓库首个提交 2021-08-13(含数据与代码),按口径不作首发,仅记为更早的公开痕迹);预印本 v1 (NeurIPS 2021 Datasets and Benchmarks 论文集)
最近更新 †(未核实),已归档:仓库归档为只读;最后一次代码提交 2021-12-08(类型标注修复),此后仅维护。(归档日未独立复核。)。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(维护方未公告后续版本,仓库已归档。)
规模 5,120 个 assay、233,786 个化合物、489,133 次测量;训练 4,938、验证 40、测试 157 个任务。 明细:assay 数(fsmol-0.1) 5,120;化合物数(fsmol-0.1) 233,786;测量次数(fsmol-0.1) 489,133;训练 / 验证 / 测试任务(fsmol-0.1) 4,938 / 40 / 157;测试任务中的激酶任务(fsmol-0.1) 125
状态 ○ 冻结:冻结:仓库 2026-10-21 起归档只读;方法论文仍在引用。
wet lab 更新 静态:不新增实验数据;取自 ChEMBL27,官方未发布后续版本。
需自补 wet lab 断言真实泛化时需要
报告模型数 0 个计入
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:先在训练任务上预训练,再用新 assay 的 16–256 个标签分子预测查询集活性。
  • 真值:ChEMBL27 中各 assay 的活性测量,按该 assay 中位数二值化。
  • 主指标:ΔAUPRC(查询集 AUPRC 减阳性比例)
  • 次指标:平均秩;按靶点类别分层的分数
  • 版本陷阱:须写明支持集大小、是否加 ECFP 或理化特征、合格任务数,以及额外预训练数据。

当前排名

状态:≠ 不可比

  • 指标:ΔAUPRC(支持集 16–256)
  • 评测集 / 口径:157 test tasks (fsmol-0.1, ChEMBL27)
  • 快照日期:

排名行不显示分数:1 个口径,无统一排名

说明:无实时榜单,仓库已归档;后续方法论文在不同支持集与特征下自报,互不可比;无本站模型报告本基准。

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
PN (prototypical network)(非本站模型) — 不显示:不可比:协议与子集不同,排名行不显示分数;逐协议数值只留在实体页。†(未核实) ΔAUPRC(支持集 16–256) 157 test tasks (fsmol-0.1, ChEMBL27) 自报 出处 非本站模型;原论文基线表中最好的基线,支持集 16。

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。

局限与注意

  1. 测试任务仅酶靶点,157 个中 125 个是激酶,其他类别只有 1–20 个任务。
  2. 按靶点划分,但蛋白家族与化学系列未全面断开,更近邻域插值而非真正分布外。
  3. 标签按 assay 中位数二值化且活性比例限定在 0.30–0.70,不代表真实筛选的稀有阳性。
  4. 各论文使用的支持集大小与特征不同,数值常不可直接比较。
  5. 官方仓库已归档只读,数据不随 ChEMBL 新版更新。

新模型怎么用

从官方仓库取数据与评测代码,用官方评测脚本在 157 个测试任务上运行,40 个验证任务用于调参。ΔAUPRC 按支持集大小 16 至 256 分列,并同时给随机森林基线;不同支持集下合格任务数不同,须写明任务覆盖。使用额外预训练数据须声明与测试 assay 的潜在重叠。更强的泛化主张需按靶点家族或化学骨架严格切分。

搭配:MoleculeNet (+OGB) · TDC (ADMET + DTI) · Polaris / ASAP / OpenADMET

来源

  1. FS-Mol 论文(NeurIPS 2021 Datasets and Benchmarks)(论文),
  2. 官方仓库(已归档只读)(仓库),
  3. 少样本方法论文(期刊版,2025)(第三方论文)
  4. 同时在本基准与分子性质集上报告的方法论文(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
first_release 2021-08-13 2021-12 2021-08-13 是仓库首个提交,按口径不得作首发证据;可证的公开里程碑是 NeurIPS 2021 Datasets and Benchmarks 论文(月级)。 依据 2026-11-16
first_release_basis GitHub repo microsoft/FS-Mol initial commit (data + code); NeurIPS 2021 D&B paper Dec 2021; no arXiv version found NeurIPS 2021 Datasets & Benchmarks paper, 2021-12 (month precision; no arXiv version found). Repo initial commit 2021-08-13 kept as a note only. 依据与口径对齐,仓库首个提交降为注。 依据 2026-11-16
ranking baseline delta AUPRC values shown as a ranking status not-comparable: no score or rank is displayed in the ranking row 按排名文件的显示规则,不可比条目不给分数与名次。 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。