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…

Claude 蛋白设计研究(通用模型 + 公开工具):Anthropic、Adaptyv Bio、Twist Bioscience

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

通用语言模型作为设计 agent 编排公开工具做 binder 设计,由外部实验室检测。

蛋白 · 多类机构联合 · 美国、瑞士 · 截至 2026-11-16

概况

字段 内容
名称 / 别名 Claude 蛋白设计研究(通用模型 + 公开工具);全称:通用语言模型作为设计 agent 调用公开蛋白设计与共折叠工具的研究;有歧义、不自动链接:Claude
家族 否(对象是一项研究配置,不是模型家族;同批合作方 2025-10 的另一项研究单列)
机构 Anthropic、Adaptyv Bio、Twist Bioscience
机构类型 / 国家 多类机构联合 / 美国、瑞士
模型类别 agent(通用模型编排公开设计工具)
领域 蛋白(次领域:文本与 agent、分子生成)
首次发布 (依据:开发方研究博文发布(次日另有合作方案例报告))
其他里程碑 最早公开证据 (开发方研究博文);官方公告 (开发方研究博文,同时公开提示、计算模型与体外数据集)
最近更新 ;未检出发布后更新(截至 2026-11-16):最近一次有出处的事件为合作实验室案例报告;另有 2026-09-28 至 10-31 举办的联合竞赛,结果定于 2026-12-15 公布,当前无结果可引。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;通用模型闭源、未公开代码;提示、设计复合物的计算模型与全部体外与计算数据以数据集形式公开
状态 仅产品形态:无公开模型工件:所用通用模型闭源,公开的是提示与数据集
报过的 benchmark 1 项计入(赛后复用 1)
湿实验验证 2 条记录
全站实体页 无(全站实体库无该研究条目(合作方机构页另有实体))
截至 2026-11-16

做什么

不是新的生成网络,而是让通用语言模型作为 agent,在每个靶点上编排公开的骨架生成、序列设计与共折叠过滤工具产出 binder,再由两家外部机构表达并检测结合。与 BindCraft、BoltzGen 的差别在于贡献是编排与选择,所调用工具包括 RFdiffusion2/3、BoltzGen、Proteina-Complexa 与 Protenix、ESMFold2 等(工具清单仅见二手汇总)。

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(赛后复用 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 赛后数据复用 是 — 第三方 主办方用 16 个既往竞赛、黑客松与基准靶点做匿名外测,不是公开赛的参赛条目 出处

其他评测(不在 44 项内)

  • 逐靶点与逐配置命中率(自建任务集,第三方):两方原文均按靶点与设计配置分列命中率,波动极大,部分逐靶数字只见二手报道
  • 同批合作方 2025-10 的另一项 binder 研究(案例研究,自报):更早一项研究用同一思路对另一类靶点做设计并送测,属独立研究,不并入本记录数字

开发方称:通用模型自主编排公开工具即可完成整条设计流程,在多数靶点上拿到可结合的设计,且表达率高。

独立证据:未检出独立证据(湿实验由利益相关的合作方执行与汇总,靶点也由其自选;未检出无利益关系的第三方评测)

训练数据

类别 值 说明 出处
a 公开库 未披露 通用模型的训练数据未公开;所调用的公开工具各有自己的训练数据 出处
b 私有 / 授权 未披露 — —
c 自产 wet lab 训练数据 否 本研究无专门训练,湿实验结果未回灌 出处
d 仅用于验证的 wet lab 是 两家外部机构负责表达与结合检测,仅用于验证 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
合作方主办的外测(匿名送测) 15 1320 354 354/1,320(两家供应商合并后的最终判定;单家原始判定为 336);按配置分别为 22.6%–35.1% | 354/1,320 (final call pooled across two vendors; one vendor's raw calls give 336); 22.6%-35.1% by configuration — 16 个靶点共 1,440 条设计,其中 15 个靶点、1,320 条有可用数据(一个靶点的 120 条因聚集与数据不确定排除);表达 1,235/1,296(95.3%) dataset + partner report 第三方 已核实 合作实验室与基因合成供应商执行;主办方为利益相关方,不是独立评测 把 354 归给单一供应商不准确:它是两家合并后的最终判定;逐配置命中率必须分列,不得合并成单一数字 出处
与既往竞赛冠军设计的亲和力对比 6 — — 最佳设计的亲和力优于 6 位冠军中的 5 位 | best designs showed greater affinity than five of the six past winners — 把本次最佳设计与 6 场既往竞赛各自的冠军 binder 逐一比较 partner report 第三方 已核实 合作实验室执行与汇总 站上「本可赢下 6 场中的 5 场」夸大了来源:这是最佳设计的亲和力比较,不是名次模拟,且未超过其中一场的最佳结合体 出处

背景

  • 机构:设计侧是一家 2021 年成立、总部旧金山的美国公益性 AI 公司(研究由其科学团队署名,不列个人);湿实验侧是一家欧洲蛋白测量服务公司与一家美国基因合成公司,另有一家供应商提供高通量表面等离子共振平台。
  • 融资:设计方 2026-02 宣布 300 亿美元 G 轮、投后估值 3,800 亿美元,由多家投资机构共同领投(二手报道口径)。
  • 产品与合作:产品为该公司的通用模型系列与其科研方向;与湿实验合作方另于 2026-09-28 至 10-31 举办联合竞赛,结果定于 2026-12-15 公布。
  • 相关模型:BindCraft、BoltzGen、RFdiffusion2/3、Proteina-Complexa

怎么看

  1. 对照的是历史竞赛数据而非同条件对照,靶点由利益相关的主办方自选。
  2. 合并命中率随靶点难度剧烈波动,有靶点零命中,不能当作稳定命中率。
  3. 只测结合,没有功能、特异性或可开发性结论。
  4. 工具清单只有二手汇总,无法拆分提升来自编排还是来自被调用的工具。

局限与注意

  1. 最终命中判定是两家供应商合并结果,单家原始判定不同。
  2. 「本可赢下 6 场中的 5 场」是错的口径,正确说法是最佳设计的亲和力优于 5 位冠军。
  3. 该条目是赛后数据复用,不计入 benchmark 报告数。
  4. 联合竞赛结果尚未公布,不可引。

来源

  1. 开发方研究博文(公司博客)
  2. 合作实验室案例报告(公司博客)
  3. 公开数据集(提示、计算模型与体外数据)(官方网站)
  4. 工具清单与逐靶数字的二手汇总(二手)
  5. 检测平台供应商报道(新闻)

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 354 个结合由单一供应商测得;命中率 26.8% 一个数字 354/1,320 为两家供应商合并后的最终判定(单家 336);表达 1,235/1,296=95.3%;逐配置 22.6%–35.1% 分列 — 依据 2026-11-16
wetlab_validation 本可赢下 6 场竞赛中的 5 场 最佳设计的亲和力优于 6 位冠军中的 5 位,且未超过其中一场的最佳结合体 — 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。