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…

46 FEP 相对结合自由能基准

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

按靶排序同系列化合物:对标物理自由能方法的两套公开配体集。同一套八靶数据两种叫法(JACS benchmark 与 FEP+ benchmark),容易被当成两个基准。

bench-46 · 模型在做什么:预测给定对象的结果 · 谁判对错:已有参考答案 · 小分子 · 2026-11 新收录 · 截至 2026-11-18

概况

字段 内容
名称 / 别名 FEP 相对结合自由能基准;全称:自由能微扰(FEP)相对结合自由能公开基准集;别名:FEP+ benchmark、JACS benchmark、JACS set、Merck FEP benchmark、Schrodinger public binding free energy benchmark;有歧义、不自动链接:FEP benchmark、fep-benchmark、FEP+
家族 家族条目:FEP+ / JACS set (8 targets) ;Merck FEP benchmark (8 targets) 。边界:两套各 8 靶:前者出自 2015 年方法论文,后者来自工业项目,不是同一组数据。
模型在做什么 预测给定对象的结果
谁判对错 已有参考答案(2 条协议,逐条见下)
领域 小分子(次领域:结构/共折叠)
发布方 Schrodinger, Inc.、Merck KGaA、EMD Serono Research and Development Institute(多类机构联合)
首次发布 (依据:JACS 论文在线,首次公开八靶标配体集与参考数据)
其他里程碑 期刊上线 (JACS 论文在线(FEP+ / JACS 八靶标));代码发布 (官方输入文件仓库首个标签版本 v1.0/v2.0)
最近更新 ,仅维护:Merck 集仓库追加一轮 20ns 模拟结果;两套配体集本身未变,自 2023 年后无新版本。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(发布方未公告新靶标批次或新一轮评测。)
规模 两套各 8 个靶标,合计 16 个同系列配体系列;每靶约二十到四十个已测化合物。 明细:靶标数(BACE、CDK2、JNK1、MCL1、p38、PTP1B、thrombin、Tyk2)(FEP+ / JACS set) 8;靶标数(CDK8、c-Met、Eg5、HIF-2a、PFKFB3、SHP-2、SYK、TNKS2)(Merck FEP benchmark) 8;其中被某共折叠模型用作评测子集的化合物数(4-target subset (CDK2, TYK2, JNK1, p38)) 87
状态 ○ 冻结:两套集合冻结,仍是亲和力模型最常引用的对照
wet lab 更新 静态:不做新实验;复用已发表项目中的实验亲和力。
需自补 wet lab 断言真实泛化时需要
报告模型数 1 个计入(改协议 1)
当前排名 ≠ 不可比(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

同一个 benchmark 名下常有多场规则不同的考试。下表把它拆成 2 条协议,逐条写明谁判对错、在用的模型和这个分数能回答什么。分类口径见怎么给 benchmark 分类。

协议 谁判对错 隔离 在用模型(已核实) 五维要点 能回答 不能回答
46a FEP+ 基准(八靶标) 已有参考答案 — LigUnity(自)、PLANET (v1/v2.0)(自) 只评同系列排序、不评绝对误差;头部深度模型的总体相关性仍低于物理自由能方法,且各家是否剔除相似训练数据不一致。 在八个公开靶标的类似物系列里,模型能否排对同系列化合物强弱,以及与物理自由能方法的差距。 模型在未公开化学系列上的表现与绝对精度是否够用;跨论文分数也不可直接并列。
46b Merck FEP 基准 已有参考答案 — LigUnity(自)、PLANET (v1/v2.0)(自) 来自真实工业项目的八个靶,头部深度模型的平均排序相关性在 0.4 量级,低于物理自由能方法;数据公开多年已进入公共活性库。 在八个来自真实工业项目的类似物系列上,模型对同靶化合物的排序能力及相对物理自由能方法的位置。 模型在新项目、未公开系列上的前瞻表现;各家自报相关系数也不可直接比较。

在用模型括号内:榜 = 主办方榜单,自 = 开发方自报,三 = 第三方评测;只列已核实的配对。五维 = 真值可靠性、基线状况、指标效度、饱和度、泄漏风险;"未评估"表示该协议尚未完成五维评审。

测什么、怎么测

  • 任务:给定一个靶标与一组结构类似的配体,预测它们的相对结合强弱并按顺序排列。
  • 真值:公开发表的实验亲和力(Ki、IC50 等),多数来自同一项目的同一套 assay。
  • 主指标:每靶相关系数(Spearman 或 Pearson)
  • 次指标:绝对误差 MUE/RMSE(kcal/mol);跨靶聚合的均值与分布
  • 版本陷阱:同一套八靶数据,有的论文叫 JACS benchmark、有的叫 FEP+ benchmark;Merck 集是另一套;引用须注明靶标子集与相关系数类型。

当前排名

状态:≠ 不可比

  • 指标:每靶相关系数跨靶取平均(Spearman 与 Pearson 混用)
  • 评测集 / 口径:Mixed: FEP+/JACS 8 targets vs a 4-target subset (87 compounds) vs Merck 8 targets
  • 快照日期:†(未核实)

排名行不显示分数:4 个口径,无统一排名

说明:无官方榜单;各家用不同子集、不同相关系数,且是否剔除相似训练数据各不相同,数字不可并列。

不可比:下表按条目列出,不排名次。

模型 名次 数值 指标 评测集 / 口径 来源类型 日期 出处 说明
Boltz-2 — Pearson R target avg. 0.66 四靶子集上的每靶 Pearson 均值 FEP+ benchmark, 4-target subset (CDK2, TYK2, JNK1, p38; 87 compounds) 自报 出处 开发方技术报告自报;只用四靶子集,训练集按 90% 序列同一性剔除相关蛋白
PLANET v2.0(非本站模型) — 不显示†(未核实) 八靶标 ranking power 的总体 Spearman FEP+ / JACS benchmark, 8 targets 自报 †(未核实) 出处 非本站模型;作者自报,原文称整体仍低于物理自由能方法
PLANET v2.0(非本站模型) — 不显示†(未核实) 八靶标 ranking power 的平均 Spearman Merck FEP benchmark, 8 targets 自报 †(未核实) 出处 非本站模型;作者自报,原文称与一款经典对接打分相当
LigUnity(非本站模型) — 不显示:原文无单一数值,不作为排名数字显示。†(未核实) 零样本与微调设置下的每靶 Spearman 与 r² FEP+ / JACS and Merck benchmarks, 8 targets each 自报 †(未核实) 出处 非本站模型;数值只在箱线图中,正文未给单值;预训练阶段剔除了相似 assay

排名数据读取于 2026-11-18。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。1 个计入(改协议 1)。

开发方自报,协议有改动(1)

  • Boltz-2:技术报告在该基准的两个子集上自报:876 条的 OpenFE 子集与四靶 87 化合物子集(自报,置信度中;出处)

局限与注意

  1. 同一套八靶数据两种叫法(JACS benchmark 与 FEP+ benchmark),容易被当成两个基准。
  2. 数据公开多年,已进入公共活性库;是否剔除相似 assay 各家做法不同,排名表并非同一隔离条件。
  3. 每靶只有二三十个化合物,单靶相关系数的统计误差足以吞掉头部差距。
  4. 只评排序不评绝对误差,而先导优化的决策阈值是用 kcal/mol 定义的。
  5. 靶标都是研究充分的经典体系,成绩不能外推到新项目的未公开化学系列。

新模型怎么用

从官方输入文件仓库取配体与蛋白结构,按靶分别预测同系列化合物的相对强弱,报告每靶相关系数与绝对误差。报告须写明用的是哪一套(八靶 FEP+/JACS 还是 Merck)、取了哪些靶、用 Spearman 还是 Pearson,以及训练数据是否剔除了与该靶相似的 assay——这一步不同会让分数不可比。可搭配 CASF 与 PDBbind-CleanSplit。

搭配:CASF-2016 · PDBbind-CleanSplit / LP-PDBBind · Polaris / ASAP / OpenADMET · DUD-E / LIT-PCBA

来源

  1. FEP+/JACS 八靶标原始方法论文(期刊)
  2. Merck FEP 基准原始论文(期刊)
  3. 官方输入文件仓库(仓库)
  4. Merck 基准仓库(仓库)
  5. 在该基准子集上报分的共折叠模型技术报告(预印本)
  6. 在两套集合上报分的亲和力模型论文(预印本)
  7. 在两套集合上报分的另一篇亲和力模型论文(期刊)

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。