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…

RFantibody:University of Washington Institute for Protein Design

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

指定表位的从头抗体设计流程:生成主链、设计序列、再做结构过滤。

抗体 · 非营利研究机构 · 美国 · 截至 2026-11-16

概况

字段 内容
名称 / 别名 RFantibody
家族 否(单一模型条目,非家族)
机构 University of Washington Institute for Protein Design
机构类型 / 国家 非营利研究机构 / 美国
模型类别 从头抗体设计流程
领域 抗体
首次发布 (依据:bioRxiv v1 预印本(单域抗体版本);代码仓库创建日不作首发)
其他里程碑 预印本 v1 (bioRxiv v1);期刊上线 (Nature 在线发表);代码发布 (GitHub 新增 JSON 输入与 TCR-MHC 支持)
最近更新 †(未核实),代码发布:代码发布后另有文档站(2026-09-23)与把许可明确覆盖权重的改动(2026-11-05),是否计为更新属口径问题(更晚的文档与许可改动未计入本字段,标未核实)。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);MIT 许可覆盖代码与权重;未提供训练代码
状态 活跃:12 个月内有代码发布
报过的 benchmark 0 项计入
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

先用微调过的扩散模型按指定表位生成主链,再用序列设计工具给出序列,最后用微调过的折叠模型过滤;覆盖 VHH、scFv 与全长抗体三种形式。

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)

  • 亲和力成熟(湿实验验证,自报):开发方称初始结合体成熟到个位数 nM 并保持表位选择性
  • scFv 与全长 IgG 设计(湿实验验证,自报):开发方把流程扩展到 scFv 与 IgG 形式并以酵母展示确认

开发方称:开发方称这是首个按指定表位做到原子级准确的从头抗体设计,并经冷冻电镜验证

独立证据:一家公司的竞争性预印本把它作为基线;另有独立作者的汇总显示按结构过滤的通过率很低(计算结果,非湿实验)

训练数据

类别 值 说明 出处
a 公开库 是 在公开 PDB 抗体复合物上微调扩散与折叠模型 —
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 酵母展示、SPR、冷冻电镜与亲和力成熟仅用于验证 —

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
VHH 设计酵母展示 4 9000 — success rates range from 0% to 2% across targets; 28 VHHs confirmed by SPR — 四个表位、每靶点约 9,000 个设计;开发方给出的成功率区间为 0%–2%,28 个 VHH 经 SPR 确认;逐靶点百分比在补充材料中,不引 Nature paper 自报 — 已核实 — 9,000 与 0%–2% 已在期刊正文核实,原未核实标记解除;开发方自行实验 出处
大肠杆菌表达臂 3 95 — — — 另三个靶点、每靶点 95 个设计,单浓度 SPR 测定 Nature paper 自报 — 已核实 — 与酵母展示臂分开记;开发方自行实验 出处
冷冻电镜验证 — — — — — 为选定复合物解析结构:一个 VHH 复合物 3.0 Å,两个 scFv 结构 3.6 Å 与 6.1 Å Nature paper 自报 — 已核实 — 是冷冻电镜而非负染;机构新闻页的宽泛表述不能替代论文给出的分辨率 出处

背景

  • 机构:开发方是华盛顿大学下属的非营利蛋白设计研究所
  • 融资:资助方包括 NIH、Microsoft、Open Philanthropy、Gates Foundation 与 HHMI
  • 产品与合作:相关技术已授权给一家 AI 原生生物技术公司;部分作者为相关专利共同发明人
  • 相关模型:RFdiffusion2/3、RF3、IgGM / IgGM-FM、tFold、Origin-1

怎么看

  1. 成功率只能用 0%–2% 的区间,逐靶点百分比在补充材料中不可引
  2. 两条实验臂(9,000/靶点与 95/靶点)规模差别大,必须分开看
  3. 未在 44 项 benchmark 上报告结果

局限与注意

  1. 最近更新是否包含文档站与许可改动属口径问题,已标未核实
  2. 所有实验由开发方自行执行,非独立复现

来源

  1. PubMed/PMC 全文(期刊)
  2. bioRxiv 预印本(预印本)
  3. Crossref 记录 10.1038/s41586-025-09721-5(期刊)
  4. GitHub 仓库 RosettaCommons/RFantibody(仓库)
  5. 官方页面 ipd.uw.edu(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
wetlab_validation 电子显微镜验证,无分辨率 冷冻电镜,分辨率 3.0 Å / 3.6 Å / 6.1 Å — 依据 2026-11-16
wetlab_validation 9,000/靶点与 0%–2% 标为未核实 已在期刊正文核实,可引;另补 95/靶点的表达臂 — 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。