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…

47 PoseBench / DockGen

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

同一套输入与脚本下,对接与共折叠方法在四套难度递增集上的位姿准确度。新口袋集的样本量在相关论文两处写法不一(14 与 122),跨论文引用极易串口径。

bench-47 · 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 · 结构/共折叠 · 2026-11 新收录 · 截至 2026-11-18

概况

字段 内容
名称 / 别名 PoseBench / DockGen;别名:PoseBench、DockGen、DockGen-E、DockGen-clusters;有歧义、不自动链接:Astex Diverse、CASP15 set
家族 家族条目:DockGen (new-pocket generalization set) ;PoseBench (four-dataset docking suite) 。边界:DockGen 是口袋泛化数据集;PoseBench 是跑四套数据集的评测流水线,内含其改造版。
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 结构/共折叠(次领域:小分子)
发布方 University of Missouri、Massachusetts Institute of Technology, CSAIL(学术实验室)
首次发布 (依据:DockGen 预印本 arXiv 2402.18396 v1(本条最早的公开里程碑))
其他里程碑 预印本 v1 (DockGen 预印本 v1);期刊上线 (评测流水线论文期刊在线);代码发布 (评测流水线首个公开发行版本(0.4.0))
最近更新 ,新版本:v1.1.0 修正 v1.0.0 中主配体打分的缺陷,三套主配体集上各方法成绩平均下调约 15%,v1.0.0 的数字须重跑。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(维护方未公告新一轮评测或新数据集版本。)
规模 四套集合:易例 85、时间切分 308(分析用 130)、新口袋 122、多配体 19 个复合物。 明细:复合物数(Astex Diverse) 85;复合物数(其中 130 个在截止日之后、用于后续分析)(PoseBusters Benchmark) 308;生物学相关装配体数(DockGen-E) 122;多配体复合物数(含 102 个配体片段)(CASP15) 19;原始 DockGen 测试复合物数(另有 141 个验证)(DockGen (Corso 2024)) 189
状态 ● 活跃:流水线持续维护并接收新方法;四套集合本身冻结
wet lab 更新 静态:不做新实验;全部复用公开晶体结构。
需自补 wet lab 断言真实泛化时需要
报告模型数 5 个计入(自报 1 · 第三方 4)
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

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
47a PoseBench 套件(Astex Diverse / PoseBusters / DockGen-E / CASP15) 已有参考答案 — RoseTTAFold All-Atom (RFAA)(三) 位姿准确度必须与物理有效性联读——有的模型 RMSD 分布最紧却很少通过物理检查;各方法的比对、模板与采样预算也不一致。 同一套输入与评测脚本下,对接与共折叠方法在四个集上的位姿准确度,以及结构是否物理合理。 方法在真实筛选中的排序或亲和力能力;训练截止不同的模型也不能当同一时间切分来比。
47b DockGen / DockGen-E 新口袋泛化集 已有参考答案 — RoseTTAFold All-Atom (RFAA)(三) 口袋所属结构域完全未见过时成功率大幅下降,早期深度方法还不如搜索式对接;按结构域划分使它成为隔离最强的泛化集之一。 当口袋所属结构域完全没在训练集出现过时,对接方法还剩多少成功率,以及与搜索式对接的差距。 方法在常见、训练充分的口袋上的表现;也不能用它评价亲和力或虚拟筛选富集。

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:用预测的无配体蛋白结构做位姿预测,覆盖单配体、新口袋与多配体三类情形。
  • 真值:公开晶体复合物结构,按来源分为易例、时间切分与结构域留出三档。
  • 主指标:位姿 RMSD≤2Å 且通过有效性检查的比例
  • 次指标:配体质心 RMSD≤1Å;相互作用指纹匹配度
  • 版本陷阱:同一套新口袋集在流水线里叫 DockGen、在另一篇论文里叫 DockGen-E,且那篇论文两处图注把样本量写成 14 与 122;v1.0.0 与 v1.1.0 的分数差约 15%。

当前排名

状态:◌ 第三方

  • 指标:位姿 RMSD≤2Å 且通过有效性检查的成功率
  • 评测集 / 口径:PoseBench v1.1.0, four datasets (Astex Diverse / PoseBusters Benchmark / DockGen-E / CASP15)
  • 快照日期:

当前第一:DiffDock-L,22.6%(Top-1 位姿 RMSD<2Å 的成功率;DockGen test split (Corso 2024, 189 complexes);自报;;旧)。头条条目未核实,显示下一条已核实条目

说明:名次由评测方给出,成功率只在图中;各方法训练截止不同,新口袋集与部分模型训练期重叠。

模型 名次 数值 指标 评测集 / 口径 来源类型 日期 出处 说明
AlphaFold 3 1 不显示:出处不全 位姿 RMSD≤2Å 且通过有效性检查的成功率 PoseBench, all four datasets, with MSAs 第三方 出处 由评测方跑出:四套集上均为带 MSA 组的第一;具体百分比只在图中,正文未给
Boltz-1 / Boltz-1x 2 不显示:出处不全 位姿 RMSD≤2Å 且通过有效性检查的成功率 PoseBench, Astex Diverse and PoseBusters Benchmark, without MSAs 第三方 出处 无 MSA 组在两套集上排第一
Chai-1 2 不显示:出处不全 位姿 RMSD≤2Å 且通过有效性检查的成功率 PoseBench, DockGen-E, without MSAs 第三方 出处 无 MSA 组在新口袋集上排第一
DiffDock-L — 22.6% Top-1 位姿 RMSD<2Å 的成功率 DockGen test split (Corso 2024, 189 complexes) 自报 出处 原始新口袋集论文的自报值;同表搜索式对接基线为 17.5% 与 7.9%

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。5 个计入(自报 1 · 第三方 4)。

开发方按官方口径自报(1)

  • DiffDock:新口袋集原论文中的自报成绩(DiffDock 与 DiffDock-L),另由评测方在四套集上复跑(自报,置信度高;出处)

第三方评测(4)

  • AlphaFold 3:评测方在四套集上运行,预测结果已存档公开(第三方,置信度高;出处)
  • Boltz-1 / Boltz-1x:评测方运行的是 Boltz-1;Boltz-2 被刻意排除(第三方,置信度高;出处)
  • Chai-1:评测方在四套集上运行(第三方,置信度高;出处)
  • Vina:作为常规对接基线由评测方运行,四套集齐全(第三方,置信度高;出处)

提及但不构成配对

  • Boltz-2:评测方说明为维持时间切分有效性未纳入该模型,改用其前一代,故不构成配对。(出处)

局限与注意

  1. 新口袋集的样本量在相关论文两处写法不一(14 与 122),跨论文引用极易串口径。
  2. v1.0.0 的主配体打分有缺陷,v1.1.0 后各方法成绩平均下调约 15%,旧数字不可直接引用。
  3. 新口袋集的复合物自 2019 年起入库,与多个共折叠模型的训练期重叠。
  4. 各方法的 MSA、模板与采样预算不同,单次推理耗时相差两个数量级。
  5. 位姿准确不等于亲和力或筛选富集,该套件不评价这两项。

新模型怎么用

安装评测流水线,按文档对四套集跑推理,由脚本统一做结构对齐、打分与有效性检查;静态即可跑完。报告须写明流水线版本(v1.0.0 与 v1.1.0 差约 15%)、用的是哪套数据集、是否提供 MSA、重复次数,以及自家训练截止日与新口袋集的重叠。可搭配 PoseBusters 与 PLINDER。

搭配:PoseBusters · PoseX · PLINDER / PINDER / Runs N' Poses · FoldBench · CASP

来源

  1. 评测流水线预印本(预印本)
  2. 评测流水线期刊版(期刊)
  3. 官方仓库(方法清单与运行命令)(仓库)
  4. 新口袋泛化集原论文(预印本)
  5. 引用该套件并给出另一组图注样本量的模型论文(第三方论文)
  6. 预测结果与预处理数据存档(存档)

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。