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…

IgGM / IgGM-FM:Tencent AI for Life Sciences Lab

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

抗体与纳米抗体生成模型,一个模型覆盖结构预测、从头设计、亲和力成熟与人源化。

抗体 · 大厂实验室 · 中国 · 截至 2026-11-16

概况

字段 内容
名称 / 别名 IgGM / IgGM-FM;别名:IgGM、IgGM-FM
家族 家族条目:IgGM ;IgGM-FM 。边界:含原始 IgGM 与其基础模型版 IgGM-FM;湿实验结果出自 IgGM-FM 预印本
机构 Tencent AI for Life Sciences Lab
机构类型 / 国家 大厂实验室 / 中国
模型类别 抗体生成模型
领域 抗体
首次发布 (依据:bioRxiv v1 预印本(仓库创建日不作首发;早于会议论文))
其他里程碑 预印本 v1 (bioRxiv v1)
最近更新 ,新版本:抗体设计基础模型版 IgGM-FM 预印本发布;此后 GitHub 只有小修(最后一次 2026-05-28)。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:开放(MIT);代码与权重在 GitHub,MIT 许可
状态 仅维护:2025-09 后仅小修提交
报过的 benchmark 1 项计入(榜 1)
湿实验验证 3 条记录
全站实体页 无(全站无对应页面)
截至 2026-11-16

做什么

一个模型覆盖抗体与纳米抗体的复合物结构预测、从头设计、亲和力成熟、反向设计与人源化;基础模型版扩展了任务范围。

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(榜 1)。

Benchmark 关系类型 计入 评测集 / 口径 来源类型 说明 出处
36 AIntibody 官方参赛 / 官方榜单 是 — 榜单 团队自称在亲和力优化赛道获前三,组织方的逐队排名未引,置信度低 †(未核实) 出处

其他评测(不在 44 项内)

无记录。

开发方称:开发方称单一模型即可完成抗体结构预测、从头设计、亲和力成熟与人源化,并在 PD-L1 上得到 nM 级结合体

独立证据:未检出独立证据(未检出独立评测)

训练数据

类别 值 说明 出处
a 公开库 是 2022-12-31 前发布的公开抗体复合物:6,448 个重轻链与 1,907 个单链复合物,聚为 2,436 组 —
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 是 若干抗原上的亲和力测定用于验证 —

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
PD-L1 从头抗体 — 60 7 7/60 binders KD 0.084–2.89 nM / KD 0.084–2.89 nM 每个 CDR 长度组合各生成 10,000 个候选(共 24 个组合),经编辑距离与结构/频率筛选后测试 60 条序列,7/60 为结合体 bioRxiv v1 自报 — 已核实 — 10,000 是每个长度组合的生成量,不是 60 条的抽取池;7 条中 6 条在 ELISA 中阻断配体结合;开发方自行实验 出处
PD-L1 抗体抑制活性(未核实) — — — — — 未核实:此前发布的最低 IC50 数值在预印本 v1 全文中查不到,故不给数字 bioRxiv v1 自报 — 未核实† — 站上原有数值已撤回,按未核实处理 出处
亲和力成熟与人源化 — 20 5 — KD 由 52.02 nM 降至 9.753 nM(5.3 倍);人源化变体 0.139–0.486 nM / KD from 52.02 nM to 9.753 nM (5.3x); humanized variants 0.139–0.486 nM 按生成频率选 20 个候选,得到 5 个人源化抗体 bioRxiv v1 自报 — 已核实 — 全部数值已核实;开发方自行实验 出处

背景

  • 机构:腾讯在深圳的自有实验室,由公司资助,并与多所高校及中国科学院合作
  • 融资:未披露或不适用
  • 产品与合作:姊妹系统 tFold 与其共享作者与评测对象
  • 相关模型:tFold、RFantibody、Origin-1

怎么看

  1. IgGM 的 7/60 与 nM 级亲和力绝不能归给 tFold,两者曾在站上被混用
  2. AIntibody 的名次只有团队自述,未经组织方材料确认

局限与注意

  1. 最低 IC50 的旧数值在全文中查不到,已撤回
  2. 生成量按长度组合计,不能与"筛选池"混算

来源

  1. bioRxiv 预印本(预印本)
  2. bioRxiv 预印本(预印本)
  3. GitHub 仓库 TencentAI4S/IgGM(仓库)
  4. 官方页面 iclr.cc(公司博客)
  5. bioRxiv 预印本(预印本)

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 10,000 是 60 条的抽取池 10,000 是每个 CDR 长度组合的生成量(24 个组合) — 依据 2026-11-16
wetlab_validation 最低 IC50 5.29 nM 全文查不到该数值,按未核实不给数字 — 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。