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…

ADMET-AI:Stanford University (computer science)、Greenstone Biosciences

整理 2026-11-16 · 来源与可靠度标注见正文
本文目录
  1. 概况
  2. 做什么
  3. 报过的 benchmark
  4. 其他评测(不在 44 项内)
  5. 训练数据
  6. 湿实验验证
  7. 背景
  8. 怎么看
  9. 局限与注意
  10. 来源
  11. 更正记录

ADMET 预测平台,一次给出 41 个端点并与已批准药物分布对比。

小分子 · 多类机构联合 · 美国 · 截至 2026-11-16

概况

字段 内容
名称 / 别名 ADMET-AI;别名:admet_ai
家族 否(单一平台,v1/v2 为同一记录内的版本轴)
机构 Stanford University (computer science)、Greenstone Biosciences
机构类型 / 国家 多类机构联合 / 美国
模型类别 性质预测(ADMET 多任务集成)
领域 小分子
首次发布 (依据:预印本 posted(登记机构记录)) 站上原写 2024(期刊年)
其他里程碑 最早公开证据 (预印本 posted);预印本 v1 (预印本 v1);期刊上线 (期刊发表(登记机构记录));代码发布 †(未核实)(v2.0.0 发布(模型全部重训))
最近更新 ,新版本:v2.0.0(2026-02-17)把模型全部从头重训,预测与 v1 网页服务不同;v2.0.1 修 MPS/CPU 并移除对一个数据集库的依赖。网页服务按包说明仍基于 v1。此为最近一次有出处的事件,不代表此后没有更新
开放程度 代码:开放;权重:开放†(未核实);代码在 GitHub,数据与模型存档在公开仓库,另有免费网页服务;许可证文本本轮未取到
状态 活跃:12 个月内有大版本与补丁发布
报过的 benchmark 1 项计入(榜 1)
湿实验验证 无
全站实体页 无(全站实体库未检出对应页面)
截至 2026-11-16

做什么

对一个分子同时输出吸收、分布、代谢、排泄与毒性共 41 个端点的预测,并与已批准药物的分布作对比,面向大规模库筛选(论文称本地百万分子约数小时)。模型本身不新:底层是 Chemprop 前代的描述符增强版多任务集成,价值在工程化与覆盖面;相比 MolE、MiniMol 这类预训练基础模型,它没有大规模预训练。

报过的 benchmark

按关系类型排列;每行标来源类型与出处。分数只在同一 benchmark、同一口径内有意义,见各 benchmark 页的当前排名。1 项计入(榜 1)。

Benchmark 关系类型 计入 评测集 / 口径 来源类型 说明 出处
04 TDC (ADMET + DTI) 官方参赛 / 官方榜单 是 — 榜单 向该库的 ADMET 分组榜提交;论文自报平均排名最好,但 2026-11-16 全量扫榜时,榜上唯一标注本模型的提交只覆盖 1 个任务且位于末位(数值约为最优的 25 倍,疑单位错误),「22 个数据集平均排名最佳」在现榜上没有对应条目 出处

其他评测(不在 44 项内)

  • 大规模推理吞吐自测(自建任务集,自报):论文报告本地批量预测百万分子的耗时,属工程指标,不是精度评测
  • 与已批准药物分布对比(自建任务集,自报):把预测值放到已批准药物的分布上给出百分位,属解释性输出

开发方称:免费网页加开源本地推理,一次覆盖 41 个 ADMET 端点,并在公开 ADMET 分组榜上取得最好的平均排名(论文发表时的榜面)。

独立证据:未检出独立证据(未检出第三方对该平台的独立评测;现榜上也没有支持「平均排名最佳」的条目)

训练数据

类别 值 说明 出处
a 公开库 是 一个公开治疗数据集库的 41 个 ADMET 数据集(10 回归 + 31 分类),其中 22 个构成该库的官方 ADMET 榜;每数据集训练 5 个模型做集成 出处
b 私有 / 授权 否 — 出处
c 自产 wet lab 训练数据 否 — —
d 仅用于验证的 wet lab 否 — —

湿实验验证

无。开发方未报告湿实验验证,或本站未收录可核的记录。

背景

  • 机构:作者来自美国一所大学的计算机系,并挂一家位于该校研究园区的生物技术公司隶属;该公司据多家财务数据档案记为 2021 年成立,主营诱导多能干细胞与类器官,结合机器学习做药物发现与安全性预测,称拥有大型干细胞生物样本库。
  • 融资:该公司的投资方据公开档案包括三家风险投资机构;学术端资助未在论文中单列。
  • 产品与合作:产品为免费网页服务加开源本地推理;2026-06-19 该公司宣布与一家半导体公司合作,用对方算力处理其干细胞样本库数据(公司新闻稿口径)。
  • 相关模型:Chemprop v2、MiniMol、MolE

怎么看

  1. 「平均排名最佳」是论文发表时 22 个数据集的汇总,不代表每个端点第一;现榜上找不到对应条目,引用须加时点与来源限定。
  2. 现榜上唯一标注该模型的提交只覆盖 1 个任务、位于末位,且数值疑有单位错误,不能当作现状位次。
  3. 它说明「调好的图神经网络集成加描述符」在 ADMET 上仍很强,预训练基础模型的优势并不稳定。
  4. v2.0.0 起模型全部重训,网页服务仍为 v1,两处预测不同,比较时要写明版本。

局限与注意

  1. 论文的榜单位次与 2026-11-16 的现榜不一致,站上原陈述已订正。
  2. 公开 ADMET 榜为公开测试集,过拟合与提交口径差异需留意。
  3. 无湿实验、无私有数据,全部训练数据来自公开库。
  4. v2.0.0 的 release notes 文本未取到,版本说明来自包文档。

来源

  1. 期刊全文(公开库)(期刊)
  2. 期刊论文 2024(期刊)
  3. 版本发布列表(仓库)
  4. 包登记页(包仓库)
  5. 公开 ADMET 分组榜总览(2026-11-16 查)(榜单)

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
benchmarks_reported 在 22 个数据集上平均排名最佳 该说法只属论文发表时;现榜上唯一标注本模型的提交只在 1 个任务且位于末位(疑单位错误),无对应条目 — 依据 2026-11-16
first_release 2024 2023-12-28(预印本 posted) — 依据 2026-11-16
latest_update 2026-02-17(v2.0.0) 2026-02-22(v2.0.1,最新 tag),并补记 v2 全量重训 — 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。