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…

RFdiffusion2 / 3:University of Washington Institute for Protein Design、Rosetta Commons

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

原子级扩散设计模型族:RFD2 做酶活性位点,RFD3 做全原子界面。

蛋白 · 学术实验室 · 美国 · 截至 2026-11-16

概况

字段 内容
名称 / 别名 RFdiffusion2/3;别名:RFdiffusion2、RFdiffusion3、RFD2、RFD3;有歧义、不自动链接:RFdiffusion
家族 家族条目:RFdiffusion2 †(未核实);RFdiffusion3 。边界:只含 RFD2 与 RFD3;抗体微调线与 2026-10 的潜变量后继分支、同门结构预测模型各自单列。
机构 University of Washington Institute for Protein Design、Rosetta Commons
机构类型 / 国家 学术实验室 / 美国
模型类别 设计(扩散,原子级)
领域 蛋白(次领域:分子生成、结构/共折叠)
首次发布 †(未核实)(依据:RFD2 预印本(日期沿用既有记录);RFD3 预印本 2025-09-18、开源 2025-12-03 另列) 未核实:首发只覆盖 RFD2,家族边界见 family 字段
其他里程碑 最早公开证据 †(未核实)(RFD2 预印本(日期沿用既有记录);RFD3 预印本 2025-09-18、开源 2025-12-03 另列);预印本 v1 †(未核实)(RFD2 预印本(日期沿用既有记录);RFD3 预印本 2025-09-18、开源 2025-12-03 另列);期刊上线 (RFD3 期刊发表(Crossref issued);RFD2 期刊版 2025-12-03 上线);代码发布 (RFD3 开源(含训练代码),经社区 Foundry 发布);权重发布 (RFD3 权重随开源发布);官方公告 (研究所发布页)
最近更新 ,期刊发表:RFD3 期刊版发表;Foundry 最新标签与包发布为 v0.2.0(2026-06-05),无 1.0 标签;至 2026-11-04 的提交未打标签。(原记录的「Foundry 1.0 已发布」无该标签,已删)。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;权重:开放†(未核实);RFD3 经社区基金会的 Foundry 发布权重与训练代码;许可文本本轮未取到,故条款留空
状态 活跃:12 个月内有期刊发表、版本发布与持续提交
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

RFD2 在给定催化残基几何的条件下生成酶骨架;RFD3 改用共折叠式架构,在全原子层面生成能与蛋白、DNA、小分子互作的设计,并自报计算成本更低。与 BindCraft 的反传路线不同,它是训练出来的生成模型;与 BoltzGen 相比偏酶与全原子界面。

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
40 MotifBench 官方参赛 / 官方榜单 是 官方榜单条目(RFdiffusion3,2026-08 快照) / official board entry (RFdiffusion3, 2026-08 snapshot) 榜单 RFD3 是该榜的正式条目;中文模型页原写「未检出条目」是错的,本记录按榜单口径更正,不引数值 出处

其他评测(不在 44 项内)

  • 41 个活性位点自建集(自建任务集,自报):作者自建的酶活性位点集,报告可生成骨架的位点数与对照方法的差距(自报)
  • 锌金属水解酶设计(湿实验验证,自报):RFD2 设计的金属水解酶经两轮测试,晶体结构与设计模型接近(期刊论文)
  • 后继分支的采样效率对比(仅与基线对比,第三方):厂商技术博客称后继分支采样步数更少、显存更省;非同行评议,未核实

开发方称:RFD3 在一系列计算评测上优于此前方法、算力成本约为十分之一,并已用湿实验表征 DNA 结合蛋白与水解酶(自报)。

独立证据:MotifBench 官方榜列有 RFD3 条目(本记录不引数值)。

训练数据

类别 值 说明 出处
a 公开库 是 PDB 与结构数据库蒸馏 出处
b 私有 / 授权 否 无私有或授权数据 出处
c 自产 wet lab 训练数据 否 无自产训练数据 出处
d 仅用于验证的 wet lab 是 有,少量酶与 DNA 结合蛋白验证,规模小 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
RFD2 酶设计(自报) 41 96 — — — 41 个活性位点全部生成出骨架(计算口径,对照方法 16 个);三种催化机制各在测试不足 96 条序列时找到有活性的候选 期刊版 / journal version 自报 †(未核实) 已核实 — 只核到摘要层面,未读全文动力学;「可生成」不等于「有活性」 出处
RFD3 湿实验表征(自报) — — — — — 预印本只在摘要层面描述 DNA 结合蛋白与半胱氨酸水解酶的表征,未给计数 预印本 v2 / preprint v2 自报 †(未核实) 已核实 — 摘要层面核实,不给数字;开发方自做,非独立复现 出处
后继分支的酶测试(新闻稿) 1 67 4 4/67 个设计有明确活性;最佳者把 79% 的底物胺转化为目标产物 | 4 of 67 designs showed clear activity, the best converting 79% of the substrate amine — 67 个设计送测;为 2026-10 的潜变量后继分支,不是 RFD2/RFD3 本体 机构新闻稿 / institutional press release 合作实验室 †(未核实) 已核实 — 未经同行评议,活性是酶催化转化率而非结合;合作实验室执行,不是独立复现 出处

背景

  • 机构:美国一所公立大学的蛋白设计研究所,资助方含多家基金会、一家大型软件公司与 NIH;RFD3 经社区基金会的开源渠道发布,不由单一公司运营。
  • 融资:机构资助,无模型层面的融资轮次
  • 产品与合作:是同门结构预测与早期扩散设计模型的后继;研究所孵化的设计类公司与本模型无直接产品绑定。
  • 相关模型:RF3、RFantibody、Proteina-Complexa、BindCraft、BoltzGen

怎么看

  1. 酶位点评测集是作者自建,且「可生成骨架」不等于「有催化活性」。
  2. 湿实验量很小,不足以支持「酶设计已成熟」的结论。
  3. RFD3 开源且含训练代码,是少数可复现的全原子设计路线。
  4. MotifBench 是它唯一的站内榜单关系,其余评测都在自建集上。

局限与注意

  1. 一条记录覆盖两个模型,读数时必须分清 RFD2 与 RFD3。
  2. 后继分支的酶测试只来自机构新闻稿,未经同行评议。
  3. 原记录的「Foundry 1.0 已发布」无此标签,已删;最新标签为 v0.2.0(2026-06-05)。
  4. 首发日期只覆盖 RFD2,已标未核实。

来源

  1. 研究所发布页:RFD3 开放下载(官方网站),
  2. RFD3 预印本(预印本)
  3. RFD2 期刊论文(期刊)
  4. RFD3 期刊记录(Crossref)(存档)
  5. Foundry 仓库(标签与版本)(仓库)
  6. MotifBench 官方仓库榜单(榜单)
  7. 合作大学新闻稿(后继分支)(新闻)

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
latest_update.description 记有「Foundry 1.0 已发布」 无该标签,已删;最新标签与包发布为 v0.2.0(2026-06-05) — 依据 2026-11-16
benchmarks_reported 中文模型页写 MotifBench「未检出条目」 RFD3 是该榜官方条目(2026-08 快照),关系为官方参赛 — 依据 2026-11-16
release_milestones.journal_online 站上写 RFD3 截至 2026-11-16 仍只有预印本 RFD3 期刊版 2026-10-15 发表,单列为里程碑 — 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。