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…

Chemformer:AstraZeneca (Molecular AI, Discovery Sciences)

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

预训练的分子字符串序列模型,用于反应预测与逆合成,长期作为对照基线。

小分子 · 药企 · 瑞典、英国 · 截至 2026-11-16

概况

字段 内容
名称 / 别名 Chemformer
家族 否(同机构的多步逆合成搜索工具是另一个项目,不并入本记录)
机构 AstraZeneca (Molecular AI, Discovery Sciences)
机构类型 / 国家 药企 / 瑞典、英国
模型类别 逆合成 / 反应预测(字符串序列模型)
领域 小分子(次领域:分子生成)
首次发布 (依据:预印本上线(登记机构记录)) 站上以 2021-12 / 2022 期刊为发布;首发按预印本
其他里程碑 最早公开证据 (预印本上线);预印本 v1 (预印本 v1);期刊上线 †(未核实)(期刊记录 issued 日(登记记录 created 为 2021-12-07))
最近更新 †(未核实),已归档:原代码仓库归档为只读;自 2022 年期刊论文后未见本模型的新版本,后续开发据称转入该组的另一个模型库。这是最近一次有出处的事件(原记为代码发布,且描述引的是同机构另一项目的版本发布,已删除该事件)。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:不明;权重:不明;原仓库已归档且本轮接口查询返回不可用,许可证未在页面标明;同机构的搜索工具为 MIT,但那是另一项目
状态 已归档:原仓库已只读归档,无新版本
报过的 benchmark 1 项计入(自报 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

在大规模分子字符串上预训练的编解码 Transformer,微调后用于正向反应预测、逆合成与分子优化;单步预测可被多步搜索工具调用拼成合成路线。相对 RetroDFM-R 与 Uni-Mol3,它更多是新模型的比较对象而不是新方法。

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(自报 1)。

Benchmark 关系类型 计入 评测集 / 口径 来源类型 说明 出处
07 USPTO family (+PaRoutes) 开发方按官方口径自报 是 — 自报 官方小集逆合成划分,原论文自报;后续模型论文表中的转引属仅作比较引用,不另算配对。本页不转录分数 出处

其他评测(不在 44 项内)

  • 单步逆合成第三方基准(仅与基线对比,第三方):2023 年一项第三方对比把它列为表现最好的无模板模型,并在一个公司内部反应集上做了对照;该内部集外部不可得(部分数值为二手整理)
  • 多步路线成功率研究(自建任务集,自报):同机构研究在专有化合物集上报告多步路线成功率高于模板基线,并在一个公开化合物集上得到同向结果;训练用约千万量级专有反应,外部无法复现

开发方称:大规模字符串预训练后,一个编解码模型即可覆盖正向、逆向与优化三类序列任务,并在官方逆合成划分上优于当时的无模板方法。

独立证据:一项 2023 年第三方单步逆合成对比把它评为最好的无模板模型;后续模型论文在自己的表中也把它列为更高的对照项(均不转录数值)。

训练数据

类别 值 说明 出处
a 公开库 是 公开专利反应集与公开分子字符串库用于预训练 出处
b 私有 / 授权 是 一个公司内部反应数据集被用于对比与下游实验,规模与条款只有声明、未公开细节 出处
c 自产 wet lab 训练数据 否 — —
d 仅用于验证的 wet lab 否 论文无湿实验验证 出处

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:开发方是一家总部在英国的大型制药公司,三个战略研发中心分别在英国、美国与瑞典;本模型出自其瑞典哥德堡地区发现科学部门下的分子 AI 组。公司 2025 年报口径为营收约 587 亿美元、员工约 96,100 人。
  • 融资:公司内部研发预算,无独立融资;论文未列外部基金。
  • 产品与合作:同组的开源工具线另有多步逆合成搜索工具(MIT,可接入单步模型)与分子生成工具 REINVENT 4,它们是独立项目,其版本发布不属于本模型的事件;本模型被站内 Uni-Mol3 与 RetroDFM-R 当作基线。
  • 相关模型:REINVENT 4、Uni-Mol3、RetroDFM-R

怎么看

  1. 它是逆合成对照里最稳的序列基线:后续模型在自己的表里就承认其单步成绩更高。
  2. USPTO 小集上的差距很小,且该集存在模板泄漏,排名意义有限。
  3. 有二手报道指出仅用专利反应训练的模型在简单药化反应上表现差,基线分数不能外推到真实药化。
  4. 多步路线成功率来自公司专有数据,外部无法复现;仓库归档后无新版本。

局限与注意

  1. 原仓库已归档,许可证与权重状态不明。
  2. 站上曾把同机构另一项目的版本发布记成本模型的更新。
  3. 内部反应数据集的规模与条款只有声明。
  4. 期刊上线日在两个记录间有出入,标部分核实。

来源

  1. 模型期刊论文(期刊)
  2. 登记机构记录(日期依据)(存档)
  3. 已归档代码仓库(仓库)
  4. 第三方单步逆合成对比(第三方论文)
  5. 同机构多步路线研究(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
latest_update 2025-12-09,另一项目(多步搜索工具)的版本发布 2026-02-11,本模型代码仓库只读归档;另一项目的事件已删除 — 依据 2026-11-16
latest_update.event_kind code-release repository-archived — 依据 2026-11-16
first_release 2022(期刊年) 2021-07-15(预印本) — 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。