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…

AlphaProteo:Google DeepMind、Francis Crick Institute

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

闭源 de novo 蛋白 binder 设计系统,自报七个靶点成功、第八个失败。

蛋白 · 大厂实验室 · 英国 · 截至 2026-11-16

概况

字段 内容
名称 / 别名 AlphaProteo;有歧义、不自动链接:AlphaFold
家族 否(只有一个技术报告版本,无家族成员)
机构 Google DeepMind、Francis Crick Institute
机构类型 / 国家 大厂实验室 / 英国
模型类别 设计(de novo binder)
领域 蛋白(次领域:分子生成)
首次发布 †(未核实)(依据:开发机构发布博客(技术报告 arXiv 2024-09-12 另列)) 博客日期取自既有记录与检索结果,本轮未直接抓取该页
其他里程碑 最早公开证据 †(未核实)(开发机构发布博客(技术报告 arXiv 2024-09-12 另列));预印本 v1 †(未核实)(技术报告 arXiv v1(日期沿用既有记录));官方公告 †(未核实)(开发机构发布博客(技术报告 arXiv 2024-09-12 另列))
最近更新 †(未核实);未检出发布后更新(截至 2026-11-16):未检出发布后更新(截至 2026-11-16);技术报告 arXiv v1(2024-09-12)是否计为更新属口径问题,未核实。(按口径不得表述为「此后没有更新」)。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:不开放;权重:不开放;闭源,无代码与权重;2026-04 仍无公开计划(二手)
状态 仅维护:闭源;只有 2024-09 的发布事件有出处
报过的 benchmark 0 项计入
湿实验验证 3 条记录
全站实体页 无(全站无对应页面)
截至 2026-11-16

做什么

给定靶蛋白结构、可选热点残基,生成并筛选候选 binder 序列,面向「一次设计、少量湿实验」。它是最早公开湿实验数据的大厂设计模型之一,Latent-X/X2、BoltzGen、BindCraft 都把它当对照,但它闭源,外部无法复现。

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。0 项计入。

在本站 44 个 benchmark 上没有任何配对记录;它怎么自评见下一节。

其他评测(不在 44 项内)

  • 七靶点 binder 湿实验战役(湿实验验证,自报):一轮中通量筛选,自报亲和力与成功率优于此前方法;VEGF-A 成功、TNFα 失败
  • 成功率对比(仅与基线对比,自报):逐靶点成功率与当时最好方法对比;BHRF1 的数值在来源内部不一致,未核实
  • 后续功能实验(案例研究,合作方):发布博客描述 VEGF-A 与 SARS-CoV-2 RBD binder 在合作实验室的检测

开发方称:对含难靶 VEGF-A 的七个靶点,一轮筛选即得到亲和力好 3–300 倍、成功率更高的 binder,无需迭代优化(自报)。

独立证据:未检出独立证据(闭源,外部无法代跑;后来的竞品只引用其数字作比较)

训练数据

类别 值 说明 出处
a 公开库 是 PDB 与结构预测模型的蒸馏数据;只披露来源库,未给数据量、截止日与筛选规则 出处
b 私有 / 授权 未披露 报告未提及私有或授权数据 出处
c 自产 wet lab 训练数据 未披露 未披露是否有自产实验数据进入训练 出处
d 仅用于验证的 wet lab 是 有:开发方 wet lab 对八个靶点做结合测试,合作机构另做功能实验 出处

湿实验验证

每个比率都带分子与分母;未核实的条目不给数字。不同版本的来源分开列。

实验 靶点数 受测设计 命中 成功率 最佳亲和力 分母口径 版本 来源类型 日期 核实 执行方 说明 出处
八靶点 binder 战役(自报) 8 — 7 7/8 靶点拿到 binder(TNFα 是失败的第八个靶点) | binders on 7 of 8 targets (TNFa is the failed eighth target) 开发方称亲和力比此前方法好 3–300 倍(自报) | developers report 3- to 300-fold better affinities than prior methods (self-reported) 共尝试八个靶点(BHRF1、SARS-CoV-2 RBD、IL-7Ra、PD-L1、TrkA、IL-17A、VEGF-A 与 TNFα),一轮中通量筛选 博客 + 技术报告 / blog plus technical report 自报 †(未核实) 已核实 — 开发方自报,无独立复现;TNFα 必须写成失败的第八个靶点,不得并入七项成功 出处
BHRF1 逐靶点结合率(未核实) 不给数字 — — — — 开发方同一来源的正文与图注给出不同的逐靶点结合率,故不给数字(未核实) 博客 / blog 自报 †(未核实) 部分核实† — 以正文口径为准,但来源内部不一致,本记录按 partial 处理、不引数值 出处
合作实验室功能实验 — — — — — 定性结果,未给计数:部分 RBD binder 在细胞中阻断感染 博客 / blog 合作实验室 †(未核实) 已核实 — 合作实验室执行,不是独立复现 出处

背景

  • 机构:Google DeepMind 是 Alphabet 的 AI 研究部门(2023 年由两个团队合并),总部伦敦,资金来自内部,不对外融资;蛋白设计团队此前做出结构预测系列。湿实验有一家英国研究所参与。
  • 融资:Alphabet 内部资金,无对外融资轮次
  • 产品与合作:未对外商业化;开发机构称同时与一家姐妹药物设计公司探索应用。
  • 相关模型:AlphaFold 3、AlphaMissense、Latent-X/X2、BindCraft

怎么看

  1. 八个靶点由开发方自选,数字是靶点内的命中率,不能和公开赛的命中率直接比。
  2. TNFα 失败说明它不是通用解,七项成功必须连同第八个失败一起读。
  3. 闭源意味着第三方无法复测,所有数字停留在自报层面。
  4. 训练数据只披露来源库、不给量级与截止日期,无法核对与评测靶点的重叠。

局限与注意

  1. 零配对:不在任何站内 benchmark 上报分。
  2. 无 Adaptyv 竞赛 / BenchBB 参赛或提交记录,模型闭源、外部无法代跑。
  3. BHRF1 的逐靶点结合率在同一来源内部不一致,已按未核实处理。
  4. 训练数据只到来源库层面,不应写成「仅公开库」。

来源

  1. AlphaProteo 技术报告(arXiv 2409.08022)(预印本),†(未核实)
  2. 开发机构发布博客(公司博客),†(未核实)

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
wetlab_validation TNFα 被写成七个成功靶点之一 TNFα 是失败的第八个靶点,七项成功之外单列 — 依据 2026-11-16
wetlab_validation BHRF1 逐靶点结合率按单一数值发布 正文与图注不一致,标 partial 且不给数字 — 依据 2026-11-16
latest_update 最近更新表述为发布后没有更新 改为未检出发布后更新(截至 2026-11-16),事件类型 none-since-release — 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。