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…

DiffDock:MIT CSAIL

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

扩散式盲对接模型,现多作深度学习对接的基线。

结构/共折叠 · 学术实验室 · 美国 · 截至 2026-11-16

概况

字段 内容
名称 / 别名 DiffDock;别名:DiffDock-L
家族 否(记录覆盖 DiffDock 与同仓库后继 DiffDock-L,不另立家族成员)
机构 MIT CSAIL
机构类型 / 国家 学术实验室 / 美国
模型类别 盲对接(扩散生成 + 置信度排序)
领域 结构/共折叠(次领域:小分子)
首次发布 (依据:arXiv v1(会议版次年发表))
其他里程碑 最早公开证据 (arXiv v1);预印本 v1 (arXiv v1);代码发布 (GitHub v1.1(DiffDock-L));权重发布 (DiffDock-L 权重随 v1.1 发布)
最近更新 ,新版本:DiffDock-L 以更大增广数据与置信度自举训练,同年入会;此后 v1.1.1–v1.1.3(至 2024-09-04)为修复,最后提交 2025-05-02。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:开放;代码与权重在 GitHub 公开,DiffDock-L 为仓库默认版本
状态 仅维护:未见新一代,后续活动为维护
报过的 benchmark 2 项计入(赛后复用 2);另 1 条不计入(仅引用 1)
湿实验验证 无
全站实体页 无(全站无对应页面)
截至 2026-11-16

做什么

把对接当作生成问题:在配体的平移、旋转与扭转自由度上扩散采样,再由置信度模型给候选姿态排序;DiffDock-L 是数据更多的后继。在共折叠时代它的角色是深度学习对接基线,对照 Vina 的物理打分线与 AlphaFold3、NeuralPLexer3。

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。2 项计入(赛后复用 2);另 1 条不计入(仅引用 1)。

Benchmark 关系类型 计入 评测集 / 口径 来源类型 说明 出处
12 DUD-E / LIT-PCBA 赛后数据复用 是 LIT-PCBA virtual-screening study by a third party 第三方 第三方研究在筛选任务上运行本模型系,姿态生成强不等于筛选强 出处
33 PoseX 赛后数据复用 是 PoseX, rerun by the benchmark authors 第三方 本轮新增的配对,由 PoseX 论文自行评测 出处
05 PoseBusters 仅被引用作比较 否 PoseBusters V2 comparison table in a third-party paper 第三方 数字来自他人论文的对照表,不是开发方自报,也不等于后继版本的官方成绩 出处

其他评测(不在 44 项内)

  • 盲对接自报集(自报,自报):DiffDock-L 论文在两个盲对接测试集上自报 top-1 成绩,口径为固定采样次数,与物理有效性口径不同(不给数值)
  • 综述转述(二手,第三方):它优于其他盲对接方法的说法部分经综述转述,不是独立复算(二手)
  • 基线角色(第三方评测,第三方):多篇共折叠与对接论文把它当深度学习基线反复复跑,结论随任务变化

开发方称:开发方称 DiffDock-L 以更大增广数据与置信度自举训练,在盲对接上优于其他盲对接方法(自报,部分经综述转述)。

独立证据:第三方论文与 benchmark 作者都复跑过它,结论是作为基线:物理有效性与筛选能力均不占优(不给数值)。

训练数据

类别 值 说明 出处
a 公开库 是 PDBBind;DiffDock-L 另加 PDB 其他复合物与从真实结构侧链切出配体的合成增广 出处
b 私有 / 授权 否 — —
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:学术组,无公司:MIT CSAIL 与相关临床研究中心的课题组,作者当时多为在读博士生与该校教授。
  • 融资:学术项目,未披露资助金额
  • 产品与合作:后继 DiffDock-L 为仓库默认版本;与 Boltz-2 同属同一校内学术脉络,未见机构层面关系。
  • 相关模型:Vina、Boltz-2、NeuralPLexer3、AlphaFold 3

怎么看

  1. 它的基准数字多来自他人论文,口径不统一,只能当基线读。
  2. 自报的盲对接口径与物理有效性口径不同,不要互换。
  3. 虚拟筛选上它没有优势,姿态生成强不等于筛选强。
  4. 口袋已知时经典对接反而更高,但两者设置不同。

局限与注意

  1. 开发方未在站内 benchmark 上自报,三条关系都来自第三方。
  2. PoseBusters 一条只是被引用作比较,不计入已建立关系。
  3. 最近一次实质更新在 2024-02,之后只有修复与维护。

来源

  1. DiffDock 论文(预印本),
  2. DiffDock-L 论文(预印本)
  3. DiffDock GitHub 版本页(仓库)
  4. 第三方对照表(共折叠论文)(第三方论文)
  5. 第三方虚拟筛选评测(第三方论文)
  6. benchmark 作者的评测论文(第三方论文)

更正记录

无。

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。