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…

NeuralPLexer3:Iambic 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

flow-matching 共折叠模型,强调立体化学与物理有效性。

结构/共折叠 · AI 原生 biotech · 美国 · 全站实体页 · 截至 2026-11-16

概况

字段 内容
名称 / 别名 NeuralPLexer3;别名:NP3;有歧义、不自动链接:NeuralPLexer
家族 否(前作 NeuralPLexer 1/2 为独立记录范围之外,本记录只收第三代)
机构 Iambic Therapeutics
机构类型 / 国家 AI 原生 biotech / 美国
模型类别 共折叠(flow matching)
领域 结构/共折叠
首次发布 †(未核实)(依据:开发方的 NP3 Beta 预览贴) 站上原以 arXiv v1(2024-12-14)为首发
其他里程碑 最早公开证据 †(未核实)(开发方 Beta 预览贴);预印本 v1 (预印本 v1);期刊上线 †(未核实)(会议论文集收录(2025 年 12 月会期));官方公告 †(未核实)(开发方预览贴)
最近更新 †(未核实),期刊发表:2025 年 12 月进入某机器学习会议主会场论文集;未检出权重或主代码发布。(会议日期为月级,事件类型按期刊/论文集发表记)。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(BSD-3-Clause);权重:不开放;权重与主代码未见发布,仅评测集 NPBench 以 BSD-3 开源
状态 活跃:12 个月内有论文集收录事件,但无代码或权重发布
报过的 benchmark 3 项计入(自报 1 · 改协议 1 · 赛后复用 1)
湿实验验证 无
全站实体页 全站实体页
截至 2026-11-16

做什么

用 flow matching 生成蛋白-配体、蛋白-蛋白与肽复合物结构,论文强调立体化学与物理有效性。它是开发方平台的两个核心模型之一,另一个是性质预测模型 Enchant;与 AlphaFold3 的差别在 flow 架构与对物理有效性的侧重,外部用户只能通过合作获得。

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。3 项计入(自报 1 · 改协议 1 · 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
05 PoseBusters 开发方按官方口径自报 是 — 自报 只报 V2 集,指标为 RMSD<2Å 且通过物理有效性检查 出处
25 RNA-Puzzles 开发方自报,协议有改动 是 — 自报 用某届 CASP 的 RNA 8 靶子集,基线数字引自另一论文而非同条件重跑 出处
01 CASP 赛后数据复用 是 — 第三方 矩阵中的 CASP 格与 RNA 格共用同一条证据,属事后使用已发布数据,尚待复核 出处

其他评测(不在 44 项内)

  • 开发方自建评测集(自建任务集,自报):1,143 个靶点的自建集,涵盖蛋白-蛋白界面、肽与构象变化三类任务
  • 与对接软件对比(仅与基线对比,自报):论文把结果与两种传统对接程序及一个扩散模型并列

开发方称:在公开姿态预测集的 V2 上同时满足 RMSD<2Å 与物理有效性的比例高于 AlphaFold3,立体化学正确率接近满分,推理速度在秒级。

独立证据:未检出独立证据(权重与主代码未公开,未检出第三方对该模型的独立复算)

训练数据

类别 值 说明 出处
a 公开库 是 蛋白结构库(2020-09-01 之前)、一个公开蛋白集的蒸馏子集约 27 万,以及约 1,270 万条量化计算构象 出处
b 私有 / 授权 否 论文未提开发方私有数据 出处
c 自产 wet lab 训练数据 未披露 — —
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:开发方是一家 2019 年成立于美国加州的 AI 原生肿瘤药物公司,由一所理工学院与一所英国大学的两位化学教授创办,前身为一家量化化学软件公司;平台含结构预测、性质预测与合成规划三块。2026-09 在美国交易所上市。
  • 融资:B 轮 1 亿美元,2024-06 再追加 5,000 万美元;2026-09 以每股 16 美元发行 940 万股上市,募资约 1.5 亿美元,招股书称其中约 2,000 万美元用于训练新版两个核心模型。
  • 产品与合作:自有管线含一个处于一期临床的口服 HER2 抑制剂及两个临床前项目;合作方包括一家日本药企(据报道里程碑上限 17 亿美元)、一家美国肿瘤药企(2,500 万美元定制训练)与另一家大型药企。
  • 相关模型:AlphaFold 3、Boltz-2、Enchant v1/v2

怎么看

  1. 与 AlphaFold3 的对比数字由论文自己复算,别的论文给出的同类数字彼此差距很大,引用时要写明出处。
  2. 去掉物理有效性要求后两者几乎持平,优势集中在有效性这一项。
  3. 无公开权重,第三方无法复核;可复核的部分只有开源的评测集。
  4. RNA 对比只用 8 个靶点、基线引自他文,比较力度弱。

局限与注意

  1. 权重与主代码未发布,外部只能通过合作使用。
  2. 首发日取开发方预览贴,论文 v1 晚于该日,两者并存。
  3. 论文集收录只精确到会期月份。
  4. CASP 一格的证据与 RNA 一格重复,配对待复核。
  5. 自产 wet lab 训练数据未披露,不能据此断定没有。

来源

  1. 预印本 2024(预印本)
  2. 预印本全文 v2(预印本)
  3. 会议论文集条目 2025(论文)
  4. 开发方 Beta 预览贴(公司博客)

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 2024-12-14(arXiv v1) 2024-11-01(开发方 Beta 预览贴),arXiv v1 作为 paper_v1 保留 — 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。