BindCraft:EPFL Laboratory of Protein Design and Immunoengineering、MIT
开源 binder 设计流程,反传共折叠网络做幻觉式设计,无需额外训练。
蛋白 · 学术实验室 · 瑞士 · 截至 2026-11-16
概况
| 字段 | 内容 |
|---|---|
| 名称 / 别名 | BindCraft |
| 家族 | 否(单一流程,只有版本迭代,无家族成员) |
| 机构 | EPFL Laboratory of Protein Design and Immunoengineering、MIT |
| 机构类型 / 国家 | 学术实验室 / 瑞士 |
| 模型类别 | 设计(幻觉 / 反向传播) |
| 领域 | 蛋白(次领域:分子生成) |
| 首次发布 | (依据:bioRxiv v1(其后 v2 2024-12-07、v3 2025-04-25)) |
| 其他里程碑 | 最早公开证据 (bioRxiv v1(其后 v2 2024-12-07、v3 2025-04-25));预印本 v1 (bioRxiv v1(其后 v2 2024-12-07、v3 2025-04-25));期刊上线 (期刊正式在线(Crossref;纸本卷期 2025-10-09)) |
| 最近更新 | ,补丁:v1.5.3 小修复;期刊正式在线 2025-08-27 单列为另一里程碑;至 2026-09-21 的提交为安装与笔记本维护。(原记录把该日期当期刊发表,已订正为补丁)。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:不明;代码开源;本身无权重,依赖第三方共折叠模型的现成权重与其许可 |
| 状态 | 活跃:12 个月内有标签发布与持续提交 |
| 报过的 benchmark | 1 项计入(榜 1) |
| 湿实验验证 | 1 条记录 |
| 全站实体页 | 无(全站无对应页面) |
| 截至 | 2026-11-16 |
做什么
把靶蛋白与 binder 一起交给共折叠网络,迭代调整 binder 序列使预测置信度最高,允许一定诱导契合;没有生成模型,也不需要训练。与 RFdiffusion2/3、BoltzGen、Germinal 相比最轻、最易复现。
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。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 |
|---|---|---|---|---|---|---|
| 28 Adaptyv competitions / BenchBB | 官方参赛 / 官方榜单 | 是 | Nipah 赛与 EGFR 赛 / Nipah and EGFR rounds | 榜单 | 作者本人参加 Nipah 赛,EGFR 赛 top10 出现该工具;赛事官方不按工具给命中率,记录为二手 †(未核实) | 出处 |
其他评测(不在 44 项内)
- 12 靶点自建湿实验集(湿实验验证,自报):作者自选靶点,报告受测设计中的结合比例,逐靶分母很小(自报)
- 应用演示(案例研究,自报):阻断花粉过敏原的 binder,以及改善基因治疗载体的肽;作者称正扩展到肽类
开发方称:无需额外训练,多数靶点一次设计即可拿到结合体,受测设计中约 46.3% 结合(期刊正文,自报)。
独立证据:未检出独立证据(公开赛不按工具统计命中率,赛中表现只能靠参赛者自报(二手))
训练数据
| 类别 | 值 | 说明 | 出处 |
|---|---|---|---|
| a 公开库 | 是 | 无自有训练,直接用第三方共折叠模型的现成权重,其训练数据为 PDB 等公开库 | 出处 |
| b 私有 / 授权 | 否 | 无私有或授权数据 | 出处 |
| c 自产 wet lab 训练数据 | 否 | 无自产训练数据 | 出处 |
| d 仅用于验证的 wet lab | 是 | 有,作者自做湿实验验证 | 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12 靶点实验成功率(自报) | 12 | — | — | 逐靶 10–100%,均值 46.3%(期刊正文) | 10-100% per target, average 46.3% (journal body text) | — | 12 个靶点;比率是受测设计中结合的比例,逐靶点分母很小 | 期刊版 / journal version | 自报 | 已核实 | — | 46.3% 直接写在期刊正文,原先的「二手汇总」标签已去掉;作者自做实验,不是独立复现 | 出处 |
背景
- 机构:瑞士一所理工大学工程学院的蛋白设计与免疫工程实验室项目,无公司实体;校方新闻称与美国一所大学合作,并有瑞士、美国、荷兰研究者参与。
- 融资:具体基金只列在期刊论文致谢节,新闻稿未列
- 产品与合作:学术项目,无产品与药企合作
- 相关模型:RFdiffusion2/3、BoltzGen、Germinal、Mosaic
怎么看
- 10–100% 的区间很宽,均值依赖靶点选择,不等于任意靶点的期望命中率。
- 以共折叠置信度为设计目标,使该置信度无法再作独立筛选器,这是该类方法的已知问题。
- Adaptyv 竞赛 不按工具统计,赛中表现只能靠参赛者自报。
- 开源、无训练,是它被广泛当作基线的原因。
局限与注意
- 成功率是「受测设计中结合的比例」,逐靶点分母很小。
- 不在任何站内 benchmark 上报分,唯一配对是公开赛参赛记录(二手)。
- 本身无权重,设计质量受所依赖共折叠模型的偏差影响。
- 仓库首次发布日期未核实。
来源
- 期刊论文 DOI(期刊),
- 期刊论文页(期刊)
- 官方仓库 releases(仓库)
- 校方新闻稿(新闻)
- 竞赛结果博客(二手)(二手)
更正记录
以下为本轮核对中改过的字段,原值按记录照录。
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。