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…

Chemprop v2:MIT (chemical engineering and electrical engineering groups)

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

开源分子性质预测库,基于有向消息传递网络,是最常见的深度学习基线。

小分子 · 学术实验室 · 美国 · 截至 2026-11-16

概况

字段 内容
名称 / 别名 Chemprop v2;别名:Chemprop-RDKit、Chemprop-MT;有歧义、不自动链接:Chemprop
家族 家族条目:Chemprop v1 (2019 D-MPNN release) †(未核实);Chemprop v2.x 。边界:本记录只覆盖 v2.x 重写版;旧版的 benchmark 成绩不得算到 v2 头上
机构 MIT (chemical engineering and electrical engineering groups)
机构类型 / 国家 学术实验室 / 美国
模型类别 性质预测(图神经网络,有向消息传递)
领域 小分子
首次发布 †(未核实)(依据:GitHub v2.0.0 稳定版发布(软件首次公开发布)) 站上把论文日期(预印本 2025-09-15、期刊 2025-12-26)当作发布;另有 2024-03-04 的公开预发布 v2.0.0-rc.1 未核实
其他里程碑 最早公开证据 †(未核实)(v2.0.0 稳定版);预印本 v1 †(未核实)(v2 论文预印本);期刊上线 †(未核实)(期刊电子版上线);代码发布 (v2.0.0 稳定版)
最近更新 ,新版本:v2.3.1 补丁;此前为 v2.3.0(2026-07-08)与 v2.2.x 系列。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(MIT);权重:不开放;无通用预训练权重,用户用自己的数据训练;因此「Chemprop 的分数」取决于谁训练、用什么数据
状态 活跃:12 个月内有多次版本发布
报过的 benchmark 0 项计入;另 3 条不计入(仅引用 1 · 未证实 2)
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

把分子当作图,用有向边上的消息传递得到分子向量,再接前馈网络做回归或分类;v2 为整体重写,提供 Python API 与多 GPU 训练,论文主张与上一代算法等价而更快、更省内存,不主张新精度记录。它不是预训练基础模型,而是「拿自己的数据训练」的工具,因此在各处多以基线出现:ADMET-AI 以其为底层,KERMT 用其多任务版作对照。相比 MolE、MiniMol、Uni-Mol2 这类预训练模型,它参数少、训练快、可在内部数据上直接重训。

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;另 3 条不计入(仅引用 1 · 未证实 2)。

Benchmark 关系类型 计入 评测集 / 口径 来源类型 说明 出处
27 Polaris / ASAP / OpenADMET 仅被引用作比较 否 — 第三方 在组织方报告中作为匿名基线出现,无逐项数值 出处
03 MoleculeNet (+OGB) 未证实 否 — 未知 该 benchmark 的成绩属 2019 年初版;v2 摘要只称数据集与切分沿用上一篇软件论文、与原版算法等价,未说明是否重跑,故不作为已报告;该条目 provenance 不全(缺 url 与日期),在排名行被扣下不显示 †(未核实) 出处
04 TDC (ADMET + DTI) 未证实 否 — 未知(二手) 榜上条目未标版本,且是经以其为底层的 ADMET 模型间接出现,模型本身不单独报分 †(未核实) 出处

其他评测(不在 44 项内)

  • v2 论文自带任务(反应能垒、吸收波长、大规模量化属性集)(站外公开 benchmark,自报):摘要只称速度与内存改善、精度与上一代一致,未给逐项数值
  • 下游应用(抗生素发现等)(案例研究,第三方):多项研究以该库为模型组件,属应用而非对该库的评测

开发方称:v2 与上一代算法等价,执行时间约缩短一半、内存约降到三分之一,并提供 Python API 与多 GPU 训练。

独立证据:第三方把它作为基线:一项竞赛组织方报告列为匿名基线,公开 ADMET 榜上也有以其为底层的条目,但两者都不是对 v2 的独立精度评测。

训练数据

类别 值 说明 出处
a 公开库 是 无固定训练集;以其为底层的 ADMET 版本用 TDC 的 41 个 ADMET 数据集 出处
b 私有 / 授权 否 库本身不带数据;用户可带内部数据训练(企业对照即这种用法) 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:美国一所理工大学两个工程系的学术开源项目,非公司,代码在同名 GitHub 组织下以 MIT 许可发布;初版随 2019 年方法论文发布,2023 年有软件包论文,v2 为重写版。
  • 融资:v2 论文致谢列有一个制药机器学习产学联盟、两项美国联邦研究生奖学金计划、一个国防研究计划,以及一家软件公司与一家药企的奖学金。
  • 产品与合作:无商业主体;生态上游有以其为底层的 ADMET 预测平台,下游有以其多任务版作对照的企业研究,另有抗生素发现等应用研究。
  • 相关模型:ADMET-AI、KERMT、MolE、MiniMol

怎么看

  1. 论文主张是工程层面的「等价、更快、更易用」,不是新精度记录。
  2. MoleculeNet 的老数字属初版,不能算到 v2 头上。
  3. 因为没有通用预训练权重,「Chemprop 的分数」取决于训练者与数据,跨论文比较必须看设置。
  4. 三条配对按本轮口径都不计入:两条未证实、一条仅作比较引用,模型因此进入零配对名单。

局限与注意

  1. 本轮进入零配对名单(按新关系口径重算)。
  2. 站上曾把论文日期当作首次发布,软件 v2.0.0 实为 2024-04-23。
  3. 更早的公开预发布(2024-03-04)未核实,首发标未核实。
  4. 公开 ADMET 榜上的条目未标版本,无法确认属 v2。

来源

  1. v2 期刊论文(期刊)
  2. v2 预印本(预印本)
  3. 代码仓库(仓库)
  4. 版本发布列表(包仓库)
  5. 初版方法论文(2019)(预印本)
  6. 公开 ADMET 榜总览(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
first_release 2025-09-15 预印本 / 2025-12-26 期刊 2024-04-23(软件 v2.0.0 稳定版);论文日期单列为里程碑 — 依据 2026-11-16
benchmarks_reported TDC 记为官方榜单 未证实:榜上条目未标版本且经下游模型间接出现 — 依据 2026-11-16
n_benchmarks_reported 计入 3 项 计入 0 项,模型进入零配对名单 — 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。