ZINC-22

内容与规模

ZINC 由 UCSF 的 Irwin 与 Shoichet 组自 2005 年起维护，面向虚拟筛选整理"可购买"分子。ZINC-22 论文（2023）口径：>370 亿个可搜索的可购买化合物 [1]。该规模主要来自按需合成空间，如 Enamine 的 REAL。

格式与 license

许可与下载条款未核，待复核 ⚠️。

哪些模型拿它训练或评测

MoLFormer 以 PubChem 与 ZINC（>10 亿）构成约 11 亿 SMILES 的预训练语料；化学语言模型和分子表示模型（如 Uni-Mol 类）常以 ZINC 子集做预训练。大规模对接/虚拟筛选是其原生用途。

已知偏差与泄漏

规模来自可枚举的反应规则，化学空间偏向容易合成的构建块组合；"可购买"不等于已被实测，没有活性标签。作为预训练语料只提供分子结构分布，不提供性质真值，真值仍来自 ChEMBL 等库。

来源

1. https://pmc.ncbi.nlm.nih.gov/articles/PMC9976280 (2026-10-15)