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…

TamGen:Microsoft Research AI for Science、Global Health Drug Discovery Institute (GHDDI)

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

靶点感知分子生成模型,按蛋白口袋条件生成并精修化合物。

小分子 · 多类机构联合 · 中国、美国 · 截至 2026-11-16

概况

字段 内容
名称 / 别名 TamGen
家族 否(单一模型,无家族成员与后继)
机构 Microsoft Research AI for Science、Global Health Drug Discovery Institute (GHDDI)
机构类型 / 国家 多类机构联合 / 中国、美国
模型类别 靶点条件分子生成(化学语言模型 + 口袋编码)
领域 小分子(次领域:分子生成)
首次发布 (依据:预印本 posted(登记机构记录)) 原记为 2024-01(仅月份),按登记记录升级到日级
其他里程碑 最早公开证据 (预印本 posted);预印本 v1 (预印本 v1);期刊上线 (期刊发表(DOI 10.1038/s41467-024-53632-4))
最近更新 †(未核实),期刊发表:期刊发表为最近一次有出处的实质事件;代码仓库无 release,最后提交 2025-09-24(维护性,内容未查)(维护性提交晚于期刊日期,但维护提交是否计为更新的口径未定,故标未核实)。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;权重:不明;代码在开发机构的 GitHub 组织下开放;许可证文本与权重发布情况本轮未取到
状态 仅维护:仅维护性提交,最后一次为 2025-09-24
报过的 benchmark 1 项计入(自报 1)
湿实验验证 1 条记录
全站实体页 无(全站实体库未检出对应页面)
截至 2026-11-16

做什么

在化合物语言模型上加入蛋白口袋的上下文编码,实现靶点条件下的分子生成,并支持在已有分子基础上精修;论文走设计—精修—实验的完整流程,由大厂实验室一侧生成化合物、非营利药物研究所一侧做结合分析、构效关系与酶活实验。与 GenMol、Saturn 的差别是有真实湿实验闭环,但不参与公开优化榜。

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(自报 1)。

Benchmark 关系类型 计入 评测集 / 口径 来源类型 说明 出处
32 CrossDocked2020 开发方按官方口径自报 是 — 自报 100 个测试口袋,与多个 3D 生成方法比对接分与类药性指标;逐项数值只在图与补充材料,正文无数字 出处

其他评测(不在 44 项内)

  • 靶点条件生成的自建指标组合(自建任务集,自报):论文用平均倒数排名把多项类药性与对接指标综合成一个口径,该综合方式不是官方协议
  • 病毒靶点案例(案例研究,自报):开发机构页面另称覆盖冠状病毒靶点,属案例描述,无评测数据

开发方称:靶点条件生成加精修的流程能产出可直接送测的化合物,在公开口袋集的多项类药性与对接指标上处于前列。

独立证据:未检出独立证据(未检出第三方独立评测或复现;实验由合作机构执行并由作者汇总)

训练数据

类别 值 说明 出处
a 公开库 是 解码器在公开化合物库随机抽取的 1,000 万条 SMILES 上预训练;靶点条件训练用 CrossDocked2020 等复合物集 出处
b 私有 / 授权 否 — 出处
c 自产 wet lab 训练数据 否 未见把实验结果回灌训练 出处
d 仅用于验证的 wet lab 是 针对一个结核分枝杆菌蛋白酶靶点的体外酶抑制实验,仅用于验证 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
结核分枝杆菌蛋白酶体外酶抑制 不给数字 不给数字 不给数字 — 不给数字 生成 2,612 / 8,635 条设计、选出 296 条进入后续;14 个活性化合物的构成为 5 个商业类似物、3 个构效关系合成物,以及 8 个直接合成物中的 6 个(体外抑制低于 40 μM 量级) journal paper 自报 部分核实† 合作的非营利药物研究所执行实验,不是独立评测 不给总体成功率:命中分母跨三类来源(商业类似物 / 构效合成 / 直接合成),不可合并成一个比率;站上「测了 16 个」在论文中不存在,已删 出处

背景

  • 机构:开发方为一家美国软件企业的科学 AI 研究部门(2022 年成立)与一家 2016 年在北京成立的非营利药物研发机构,后者由一家全球健康基金会、北京市政府与一所中国大学共同发起;论文作者另来自两所中国高校。
  • 融资:非营利研究所早期获约 1 亿美元五年支持,2023-06 该基金会宣布续资 5,000 万美元(五年)并由市政府配套;论文声明部分由该基金会支持。
  • 产品与合作:两家机构 2024-01 宣布合作:大厂实验室生成候选分子,研究所做实验验证,并称将继续做先导优化、ADMET 改善与临床前推进;金额未披露。
  • 相关模型:GenMol、Saturn

怎么看

  1. 14 个活性化合物不是 14 个模型生成分子:其中 5 个是商业类似物、3 个是构效关系合成物,最强活性那个属商业类似物。
  2. 设计量 2,612 / 8,635、选出 296 条,这是真正的分母;旧站写的「测了 16 个」在论文中查不到。
  3. 体外酶抑制属早期 hit 水平,没有细胞或动物数据,离成药很远。
  4. CrossDocked 的逐项数值只在图与补充材料,正文无数字,跨论文比较要谨慎。

局限与注意

  1. 湿实验命中分母跨三类来源,不能合并成单一成功率。
  2. 最近更新的口径受维护提交政策影响,标未核实。
  3. 站上原称「无 Top30 配对」,实际存在一项按官方协议的自报配对。
  4. 综合排名方式由作者自定,不是 benchmark 官方口径。

来源

  1. 期刊论文 2024(期刊)
  2. 期刊全文(公开库)(期刊)
  3. 预印本登记记录(预印本)
  4. 代码仓库(仓库)
  5. 开发机构研究博客(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 测了 16 个化合物、14 个强抑制,最强 IC50 1.88 μM 删去「测了 16 个」(论文无此说法);14 个活性由 5 个商业类似物 + 3 个构效合成物 + 8 个直接合成中的 6 个组成,最强活性属商业类似物;设计 2,612/8,635、选 296 — 依据 2026-11-16
first_release 2024-01 2024-01-08(预印本 posted) — 依据 2026-11-16
benchmarks_reported 无站内 benchmark 配对 CrossDocked:按官方协议自报 — 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。