模型与 Benchmark板块首页
怎么读
怎么给 benchmark 分类一个分数能信到哪一步:真值噪声、简单基线、泄漏与饱和协议索引:113 条协议按谁判对错分组方法与数据:分类口径、收录与停更标准、已知局限
模型与数据
模型索引:112 个模型按领域分组模型 × benchmark 配对矩阵训练数据从哪来:公开库、私有授权、自产 wet lab 与…benchmark 的规模、更新与 wet lab 数据
Benchmark:理解状态(表征与排序)
02 ProteinGym09 scIB11 ClinVar hold-out protocol13 CAGI16 GUE + Nucleotide Transform…17 CAFA21 DREAM5 / BEELINE / CausalB…26 FLIP / FLIP234 AbBiBench37 TraitGym38 BEND39 RNAGym45 DART-Eval49 NTv3 Benchmark67 VenusX
Benchmark:预测给定对象的结果
01 CASP03 MoleculeNet04 TDC05 PoseBusters06 CASF-201615 CAMEO22 CAPRI24 虚拟细胞挑战赛与扰动预测评测25 RNA-Puzzles27 Polaris / ASAP / OpenADMET30 PLINDER / PINDER / Runs N'…31 FoldBench33 PoseX35 FLAb / FLAb243 Ginkgo GDPa146 FEP 相对结合自由能基准47 PoseBench / DockGen51 OpenADMET 盲测系列52 Biogen ADME53 UNICORNE-BENCH54 OMol25 + FAIR Chemistry 榜单55 PDBbind-CleanSplit / LP-PD…57 CatPred-DB66 MassSpecGym
Benchmark:提出候选(生成与设计)
19 PMO20 CACHE28 Adaptyv competitions / Ben…36 AIntibody40 MotifBench50 蛋白 motif scaffolding 基准56 Protein Engineering Tourna…
Benchmark:多步分析与问答(agent)
14 PubMedQA18 LAB-Bench / LABBench223 BioASQ29 BixBench42 BioMysteryBench58 ChemBench59 LifeSciBench60 Terminal-Bench-Science61 BiomniBench / Biomni-Eval162 HeurekaBench63 scBench64 ScienceAgentBench65 SciReasoner / Biology-Inst…68 BioDesignBench
Benchmark:已停更
07 USPTO family08 Basenji/Enformer test set10 GuacaMol12 DUD-E / LIT-PCBA32 CrossDocked202041 BioML-bench44 FS-Mol
相邻领域
相邻领域:不在主分类内的评测
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…

12 DUD-E / LIT-PCBA

整理 2026-11-18 · 来源与可靠度标注见正文
本文目录
  1. 概况
  2. 协议拆分与读法
  3. 测什么、怎么测
  4. 当前排名
  5. 报告过的模型
  6. 局限与注意
  7. 新模型怎么用
  8. 来源
  9. 更正记录

虚拟筛选富集的两代静态集:DUD-E 用构造诱饵,LIT-PCBA 用 PubChem 实测非活性;二者都有已知偏置或泄漏。DUD-E 存在诱饵与类似物偏置,会抬高 ML 结果;一项 2025 年预印本报告 LIT-PCBA 跨切分重复与近邻泄漏(单篇、未经同行评议)

已停更:2026 年内没有检出实质更新(最后一次实质更新:DUD-E:2012;LIT-PCBA:2020)。它仍被大量论文引用,页面保留供查询,但不再纳入本板块的分类统计与总表。

bench-12 · 模型在做什么:未纳入分类(已停更) · 谁判对错:— · 小分子 · 核心 30 项 · 截至 2026-11-18

概况

字段 内容
名称 / 别名 DUD-E / LIT-PCBA;全称:有用诱饵目录增强版 / 无偏虚拟筛选数据集(PubChem 来源);别名:DUD-E、DUDE、LIT-PCBA、DUDE-Z、Directory of Useful Decoys, Enhanced;有歧义、不自动链接:DUD、MUV、DEKOIS
家族 家族条目:MUV †(未核实);DUD-E ;LIT-PCBA ;DUDE-Z †(未核实)。边界:家族条目:MUV、DUD-E、LIT-PCBA 与后继 DUDE-Z;DEKOIS 2.0 仅作相关集提及;2006 年原版 DUD 未核查、未列为成员
模型在做什么 未纳入分类(已停更)
谁判对错 —
领域 小分子
发布方 University of California, San Francisco (academic group)、University of Strasbourg (academic group)(学术实验室)
首次发布 (依据:DUD-E 论文(JMC 在线))
其他里程碑 期刊上线 (DUD-E 论文 JMC 在线)
最近更新 †(未核实),仅维护:DUDE-Z 页面:推荐网格与配体/诱饵文件按论文用 DOCK3.8 复核;未检出 DUD-E 或 LIT-PCBA 的新数据版本。(2025 年 LIT-PCBA 第三方审计不是数据集更新)。此为最近一次有出处的事件,不代表此后没有更新
下一次预期 无公告(两个数据集均无版本迭代计划公布。)
规模 DUD-E:102 个靶点、22,886 个活性分子;LIT-PCBA:15 个靶点、7,761 个活性、382,674 个非活性(官网计数) 明细:靶点(DUD-E) 102;活性分子(DUD-E) 22,886;每个活性的诱饵(DUD-E) 50;靶点(LIT-PCBA) 15;活性分子(LIT-PCBA (official site; some sources give 7,844)) 7,761;唯一非活性分子(LIT-PCBA (official site; some sources give 407,381)) 382,674;靶点(DUDE-Z) 43
状态 ○ 冻结:2026 年内无实质更新:DUD-E 约 2012、LIT-PCBA 约 2020 后未再发版
wet lab 更新 静态:不新增实验;DUD-E 用构造诱饵,LIT-PCBA 用 PubChem 实测数据
需自补 wet lab 断言真实泛化时需要
报告模型数 2 个计入(赛后复用 2);另 3 条不计入(未证实 3)
当前排名 ◌ 第三方(见当前排名)
全站实体页 无(全站 /entities/ 体系中没有该 benchmark 的页面。)
截至 2026-11-18

协议拆分与读法

本 benchmark 已停更,不在 2026-11 的协议拆分范围内。

测什么、怎么测

  • 任务:虚拟筛选富集:把真活性分子排在诱饵或实测非活性分子之前
  • 真值:DUD-E:ChEMBL 活性加理化匹配的 ZINC 诱饵;LIT-PCBA:PubChem 剂量-反应实验标签
  • 主指标:AUROC、EF1%
  • 次指标:BEDROC;logAUC
  • 版本陷阱:DUD-E、DUDE-Z、LIT-PCBA 不可混报;LIT-PCBA 的 validation 实为留出测试,需另切内部验证集;计数口径有两套

当前排名

状态:◌ 第三方

  • 指标:中位 EF1%(LIT-PCBA)
  • 评测集 / 口径:LIT-PCBA, 15 targets (DUD-E: no current site-model numbers)
  • 快照日期:

排名行不显示分数:无头条数字:排名来源没有第 1 名条目(均为未排名或特定协议条目),按不可比方式显示说明文字。

说明:两集均无官方榜单;来源为未经同行评议的预印本;AlphaFold 3、Protenix、Boltz-2 只有二手定性说法、无数字;已知偏置与泄漏

模型 名次 数值 指标 评测集 / 口径 来源类型 日期 出处 说明
Supervised ML re-ranking (best)(非本站模型) — median EF1% 4.49 中位 EF1%(LIT-PCBA) LIT-PCBA, 15 targets (DUD-E: no current site-model numbers) 第三方 出处 非本站模型;该研究中最佳
AutoDock-GPU + GNINA rescoring(非本站模型) — median EF1% 2.14 中位 EF1%(LIT-PCBA) LIT-PCBA, 15 targets (DUD-E: no current site-model numbers) 第三方 出处 非本站模型;最佳单一打分器
DiffDock — median EF1% 1.17 中位 EF1%(LIT-PCBA) LIT-PCBA, 15 targets (DUD-E: no current site-model numbers) 第三方 出处 DiffDock-GNINA 变体更低;在 OPRK1 上所有变体为零
AutoDock Vina — median EF1% 1.3, median AUROC 0.61 中位 EF1%(LIT-PCBA) LIT-PCBA, 15 targets (DUD-E: no current site-model numbers) 第三方 出处 该预印本引自文献、非作者自跑;作者自跑 AutoDock-GPU 另列

排名数据读取于 2026-11-16。分数原样照录,不换算、不跨 benchmark 比较。

报告过的模型

按关系类型分组;计数口径见配对矩阵。2 个计入(赛后复用 2);另 3 条不计入(未证实 3)。

赛后数据复用(2)

  • DiffDock:第三方研究在筛选任务上运行本模型系,姿态生成强不等于筛选强(第三方,置信度中;出处)
  • Vina:第三方研究在筛选任务上运行了本程序与其衍生打分工具(第三方,置信度中;出处)

未证实(3,不计数)

  • AlphaFold 3:依据只是本站自己的页面(未核实):仅一篇二手摘要提到该家族,无数值,基准论文未评它(未知,置信度低,未核实†;—)
  • Boltz-2:第三方论文用的是另一套 decoy 集,不清楚属于该家族,且为二手(未核实)(未知,置信度低,未核实†;出处)
  • Protenix:依据只是本站自己的页面(未核实):仅二手提及,无数值(未知,置信度低,未核实†;—)

局限与注意

  1. DUD-E 存在诱饵与类似物偏置,会抬高 ML 结果;一项 2025 年预印本报告 LIT-PCBA 跨切分重复与近邻泄漏(单篇、未经同行评议)
  2. 该审计称零学习的记忆基线可追平或超过 SOTA;未见 LIT-PCBA 作者回应
  3. 2026 年一项预印本称对接与 ML 重排序在 LIT-PCBA 上只比随机略好(未经同行评议)
  4. LIT-PCBA 计数有两套(官网与部分档案不同),本条目按官网
  5. 回顾性基准;未找到分数提升带来实验命中率提升的系统证据

新模型怎么用

静态下载即可运行,无需湿实验。用 LIT-PCBA 前先对训练/验证去重并做近邻分析,另切内部验证集;报告 EF1% 时给置信区间与逐靶点分布,并加仅配体基线与近邻记忆基线。新骨架发现须自补前瞻测定或参加 CACHE;可搭配 CASF-2016 与 PLINDER。

搭配:CACHE · CASF-2016 · PLINDER / PINDER / Runs N' Poses · PoseBusters

来源

  1. DUD-E 论文(J Med Chem 2012)(期刊)
  2. DUD-E 官网(官方网站)
  3. DUDE-Z 官网(官方网站)
  4. LIT-PCBA 论文(JCIM 2020)(期刊)
  5. LIT-PCBA 数据页(官方网站)
  6. LIT-PCBA 审计预印本(arXiv 2507.21404)(第三方论文)
  7. LIT-PCBA 对接基准预印本(arXiv 2605.01681)(第三方论文)
  8. DUD-E 偏置分析(PLoS ONE 2019)(第三方论文)
  9. 共折叠模型虚筛评估(Chem Sci 2026,二手引用)(二手)

更正记录

无。

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。