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…

Dyno Psi-1 / Psi-Phi:Dyno Therapeutics

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

约 2 亿参数的开放权重结合体设计模型,配套过滤与 agent 套件。

蛋白 · AI 原生 biotech · 美国 · 截至 2026-11-16

概况

字段 内容
名称 / 别名 Dyno Psi-1 / Psi-Phi;别名:Dyno Psi、DynoPsi、Psi-1、Psi-Phi
家族 家族条目:Psi-1 ;Psi-Phi ;Psi-1.5 Cicada 。边界:条目含生成模型 Psi 系列与配套过滤/agent 套件 Psi-Phi;湿实验臂用的是更早的 Psi-0.5,与 Psi-1 分开看
机构 Dyno Therapeutics
机构类型 / 国家 AI 原生 biotech / 美国
模型类别 结合体主链生成
领域 蛋白
首次发布 (依据:GitHub v1.0.0 与白皮书、新闻稿同日(会议发布)) 仓库创建日不作首发;新闻稿日期未独立复核
其他里程碑 代码发布 (GitHub v1.0.0);权重发布 (随 v1.0.0 发布的权重)
最近更新 ,新版本:2.0.0 版:默认权重切换为 Psi-1.5 Cicada,接口有不兼容变更。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(Apache-2.0);权重:开放(Apache-2.0);权重与代码 Apache-2.0;合成训练数据集 CC BY 4.0
状态 活跃:12 个月内有新版本与新权重
报过的 benchmark 0 项计入
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

开放权重的结合体设计模型:流匹配主链生成器约 2 亿参数,主链之后接序列设计工具;Psi-Phi 是配套的过滤与 agent 套件。

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。

在本站 44 个 benchmark 上没有任何配对记录;它怎么自评见下一节。

其他评测(不在 44 项内)

  • 五靶点计算过滤通过率(自建任务集,自报):Psi-1 的计算过滤结果:每个模型 16,900 个设计、13 个长度分箱;仅在 5 个靶点中的 2 个最优,属持平而非领先;这不是湿实验
  • 新闻稿比较(仅与基线对比,自报):公司称优于若干开源方法,未给逐靶点数字

开发方称:开发方称这个约 2 亿参数的开放权重模型配合高通量实验的测试时扩展,在 IL-7RA 上湿实验成功率高于对照模型

独立证据:未检出独立证据(未检出独立的头对头比较)

训练数据

类别 值 说明 出处
a 公开库 是 实验结构库、预测结构库单体与约 400 万合成结构域界面二聚体(其中 32,253 个高置信用于微调) —
b 私有 / 授权 否 — —
c 自产 wet lab 训练数据 未披露 实验反馈进入训练的范围未披露 —
d 仅用于验证的 wet lab 是 酵母展示与 SPR 仅用于验证 —

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
IL-7RA 酵母展示对比 — 100 — — — 初始采样预算匹配(约 12k),不是相同设计数:对照方完整流程由该预算得 125 个设计,本方设计从同一预算中抽样;成功率在按 ipSAE 排序的前 100 个设计上计量,无逐靶点数字,故不给比率 Psi-0.5 自报 — 已核实 — 湿实验臂是更早的 Psi-0.5,不是 Psi-1;开发方自行实验,非独立复现 出处

背景

  • 机构:Dyno Therapeutics 是 2018 年成立于马萨诸塞州的 AI 驱动 AAV 衣壳设计公司
  • 融资:2021-05 宣布 1 亿美元 A 轮,a16z 领投
  • 产品与合作:衣壳业务有大型药企授权合作(其中一项于 2026-04 行权);白皮书由公司 AI 实验室撰写,并获一家 GPU 公司工程支持
  • 相关模型:La-Proteina、BoltzGen、RFdiffusion2/3

怎么看

  1. 五靶点结果是 Psi-1 的计算过滤,不能当成五靶点湿实验
  2. 湿实验对比按采样预算匹配而非设计数匹配,且用的是 Psi-0.5
  3. 成功率只在前 100 个排序设计上计量,无逐靶点数字

局限与注意

  1. 未在 44 项 benchmark 上报告结果
  2. 新闻稿的领先表述无逐靶点数据支撑

来源

  1. GitHub 仓库 dynotx/dynopsi(仓库)
  2. GitHub 仓库 dynotx/dynopsi(仓库)
  3. Hugging Face 页面 api/models(仓库)
  4. 官方页面 dynopsi.dynotx.com(公司博客)
  5. Hugging Face 页面 dynotx/dynopsi(仓库)

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 相同设计数下的对比 初始采样预算匹配(约 12k),湿实验臂为 Psi-0.5 — 依据 2026-11-16
other_evaluations 五靶点湿实验通过率 Psi-1 的计算过滤,且仅 2/5 靶点最优 — 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。