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…

Origin-1:Absci

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

面向零先验表位从头设计全长单抗的生成平台,含扩散生成、配对 CDR 序列设计与共折叠打分三段。

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

概况

字段 内容
名称 / 别名 Origin-1;别名:AbsciGen、AbsciBind;有歧义、不自动链接:Origin
家族 否(单一平台,内部组件在同一记录内描述)
机构 Absci
机构类型 / 国家 AI 原生 biotech / 美国
模型类别 设计(全原子扩散 + 序列设计 + 打分)
领域 抗体(次领域:结构/共折叠)
首次发布 (依据:预印本 v1 上线,同日有开发方发布页) 若其他材料写 2026-03,那是业绩披露口径,不是首发
其他里程碑 最早公开证据 (预印本 v1);预印本 v1 (预印本 v1);代码发布 †(未核实)(数据与评测脚本放在公开仓库,权重未含);官方公告 (开发方发布页)
最近更新 ,论文修订:预印本更新至 v2;此后公开仓库只有数据表与说明文件的维护性改动(最近 2026-11-13),未检出期刊发表版本。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:部分开放;权重:不明;数据与评测在公开仓库;权重是否发布与许可条款,论文与官网均未说明
状态 活跃:12 个月内有预印本修订与仓库维护
报过的 benchmark 0 项计入
湿实验验证 2 条记录
全站实体页 无(全站实体库未检出对应模型页面,只有开发方机构页)
截至 2026-11-16

做什么

以未结合的抗原结构、抗体框架与用户指定表位为条件,用全原子扩散生成复合物,再为六个 CDR 设计配对重轻链序列,最后用共折叠打分在湿实验前筛选。与 RFantibody 相比它是全原子并允许抗原柔性、明确面向零先验表位;与 BoltzGen 相比,其抗体证据落在全长单抗而非纳米抗体。

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)

  • 与一个开源抗体设计模型的计算对比(仅与基线对比,自报):在 4 个零先验靶点上按开发方自家打分比较设计通过比例,不是实验命中率对比
  • 打分模块的判别力自评(自建任务集,自报):在 8 个抗体-抗原体系上区分结合与非结合,对照多个共折叠模型,部分对照数值引自他人论文

开发方称:对没有已知复合物结构的靶点从头设计全长单抗,10 个靶点中 4 个在不到 100 个设计内得到可开发抗体。

独立证据:未检出独立证据(未检出第三方评测或复现;此前针对该开发方的批评涉及其 2023 年另一项工作,与本模型无关)

训练数据

类别 值 说明 出处
a 公开库 是 自建抗体结构集,来自 10,045 个公开结构库条目,涵盖一个专门抗体数据库的全部条目;零先验靶点的同源复合物从各划分中排除 出处
b 私有 / 授权 否 — 出处
c 自产 wet lab 训练数据 未披露 方法节只写公开结构数据;官网另称模型来自多年专有数据生成与闭环实验,规模与构成未给 出处
d 仅用于验证的 wet lab 是 10 个靶点的结合、特异性、聚集、结构与功能检测 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
零先验表位设计(10 个靶点) 10 — 4 4/10 targets — 10 个靶点、每靶不到 100 个设计;命中以靶点计,为通过多项正交实验的可开发抗体 preprint v1 / developer page 自报 已核实 由开发方自行执行,无独立实验臂 其中两个靶点另有冷冻电镜结构与设计吻合(分辨率 3.0 Å 与 3.1 Å);开发方承认每靶命中少、设计量少、判定标准较严 出处
单个靶点的亲和力成熟 不给数字 — — — — AI 引导的单点突变库,文库规模与送测数未在发布页给出 developer page 自报 †(未核实) 部分核实† 由开发方自行执行 开发方称成熟后得到功能性拮抗剂且亲和力有数十倍提升,属自报 出处

背景

  • 机构:开发方是一家在美国上市的 AI 原生药物发现公司,总部在华盛顿州,另在纽约、瑞士与塞尔维亚设点,2025 年底员工 140 人(年报口径)。
  • 融资:上市公司;2025-01 一家半导体公司以 2,000 万美元认购其股份(年报口径)。
  • 产品与合作:年报列出多家研究机构与公司合作;临床管线以一款抗体候选为主,本模型相关候选尚无新药临床试验申请披露。
  • 相关模型:RFantibody、BoltzGen、Chai-1

怎么看

  1. 这是「零先验表位 + 全长抗体 + 结构确认」方向上较强的公开证据,但每靶命中少、设计量小。
  2. 与开源模型的差距用的是开发方自家打分、且只在 4 个靶点,不是实验命中率。
  3. 站内抗体类 benchmark 上没有它的条目,泛化只能靠第三方在零先验靶点上复现。
  4. 权重是否公开未说明,外部复现受限。

局限与注意

  1. 全部结果为开发方自报,无同行评议版本,也无独立实验臂。
  2. 亲和力成熟的精确数值在发布页上不存在,须回论文取证后才可引用。
  3. 官网提到的专有数据与闭环实验未给规模,不能据此判断训练数据构成。
  4. 按本轮关系口径,它在站内 benchmark 上没有可计入的配对。

来源

  1. 预印本(开发方 PDF)(预印本),2026-01-14
  2. 预印本版本记录(注册库)
  3. 开发方发布页(官方页面)
  4. 数据与评测仓库(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 亲和力成熟给出精确效价 发布页只写约数,精确值须回论文取证,暂不显示 — 依据 2026-11-16
training_data.c_own_wetlab_for_training 有自产实验数据参与训练 论文方法节只写公开结构数据,官网说法无规模,按未披露处理 — 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。