49 NTv3 Benchmark
统一输入与预测头,比各基因组模型在多物种功能轨道上的表征能力。基准由 NTv3 团队自建、自跑、自评,未见第三方复核。
bench-49 · 模型在做什么:理解状态(表征与排序) · 谁判对错:已有参考答案 · 基因组/RNA · 2026-11 新收录 · 截至 2026-11-18
概况
| 字段 | 内容 |
|---|---|
| 名称 / 别名 | NTv3 Benchmark;全称:Nucleotide Transformer v3 功能轨道预测基准;别名:NTv3_benchmark_dataset_revised;有歧义、不自动链接:NTv3 |
| 家族 | 否(初版与修订版是同一榜单的两个版本,不是家族成员。) |
| 模型在做什么 | 理解状态(表征与排序) |
| 谁判对错 | 已有参考答案(1 条协议,逐条见下) |
| 领域 | 基因组/RNA |
| 发布方 | InstaDeep(平台公司) |
| 首次发布 | (依据:基准论文预印本第一版(bioRxiv)) |
| 其他里程碑 | 最早公开证据 (榜单页面首次提交(当日创建,初始为模板));预印本 v1 (bioRxiv 预印本 v1) |
| 最近更新 | ,新版本:10-28 用修订版替换初版(155 条轨道、11 个物种、10 个模型),初版榜移至末页;10-29 改引预印本第二版。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(运行方未公告下一次更新或新增物种。) |
| 规模 | 现行版 155 条轨道、11 个物种、7 类实验、10 个模型;初版为 106 个任务、7 个物种。 明细:功能轨道数(修订版 2026-10-29 / revised) 155;物种数(修订版 2026-10-29 / revised) 11;人类轨道数(修订版 2026-10-29 / revised) 34;任务数(初版 2025-12 / initial) 106;物种数(初版 2025-12 / initial) 7;上榜模型数(修订版 2026-10-29 / revised) 10 |
| 状态 | ● 活跃:2026-10 刚换版;由模型作者自建自评 |
| wet lab 更新 | 静态:不做新实验;用已公开的 ATAC、ChIP、RNA-seq 等轨道数据。 |
| 需自补 wet lab | 断言真实泛化时需要 |
| 报告模型数 | 4 个计入(榜 4) |
| 当前排名 | ▣ 榜单(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 1 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 |
|---|---|---|---|---|---|---|
| 49a NTv3 Benchmark(2026-10-29 版:155 条轨道、11 个物种;初版 106 个任务、7 个物种) | 已有参考答案 | — | Nucleotide Transformer v1/v2 (NT-H/MS/1000G, NT-v2)(榜)、NTv3(榜)、AlphaGenome(榜)、Evo 2(榜) | 序列到功能模型明显高于语言模型,而语言模型不高于从头训练的卷积基线;基准由其中一个模型的团队自建自评。 | 能回答:统一输入与预测头下,不同基因组模型的表征对多物种功能轨道的预测能力。 | 不能回答:变异效应或临床判读能力;头部约 0.01 的差距不足以排先后,且缺第三方复核。 |
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 32 kb 序列,用统一的单碱基预测头预测功能轨道信号,比较各模型表征而非训练配方。
- 真值:11 个基因组上公开的可及性、组蛋白与转录因子结合、转录起始、RNA 结合、表达与翻译数据。
- 主指标:留出测试集上的 Pearson 相关
- 次指标:按实验类型分列的平均分;达到最佳检查点的 GPU 小时
- 版本陷阱:初版 106 任务 7 物种与现行版 155 轨道 11 物种不可混用;官方从不跨物种平均,任何总分都是自行汇总。
当前排名
状态:▣ 榜单
- 指标:测试集上每条轨道的 Pearson 相关,按物种内轨道平均
- 评测集 / 口径:现行修订版(2026-10-29)人类榜:34 条轨道,取三个种子的平均
- 快照日期:
- 榜单页面
当前第一:NTv3 700M (tracks),0.636(测试集上每条轨道的 Pearson 相关,按物种内轨道平均;现行修订版(2026-10-29)人类榜:34 条轨道,取三个种子的平均;榜单;)
说明:榜由 NTv3 团队自建自评;官方不跨物种平均,此处取人类榜;人、牛、大鼠上前两名只差约 0.01。
| 模型 | 名次 | 数值 | 指标 | 评测集 / 口径 | 来源类型 | 日期 | 出处 | 说明 |
|---|---|---|---|---|---|---|---|---|
| NTv3 700M (tracks) | 1 | 0.636 | 测试集上每条轨道的 Pearson 相关,按物种内轨道平均 | 现行修订版(2026-10-29)人类榜:34 条轨道,取三个种子的平均 | 榜单 | 出处 | 榜单与模型同属一方;人类 34 条轨道的平均 Pearson。 | |
| AlphaGenome | 2 | 0.627 | 测试集上每条轨道的 Pearson 相关,按物种内轨道平均 | 现行修订版(2026-10-29)人类榜:34 条轨道,取三个种子的平均 | 榜单 | 出处 | 由运行方用 fold-1 检查点微调评测,非该模型作者自报;与第 1 名相差约 0.01。 | |
| Borzoi | 3 | 0.567 | 测试集上每条轨道的 Pearson 相关,按物种内轨道平均 | 现行修订版(2026-10-29)人类榜:34 条轨道,取三个种子的平均 | 榜单 | 出处 | 由运行方评测的预训练序列到功能模型。 | |
| Residual CNN 44M(非本站模型) | 4 | 0.516 | 测试集上每条轨道的 Pearson 相关,按物种内轨道平均 | 现行修订版(2026-10-29)人类榜:34 条轨道,取三个种子的平均 | 榜单 | 出处 | 从头训练的卷积基线,高于全部预训练语言模型。 | |
| Evo2 1B | 6 | 0.409 | 测试集上每条轨道的 Pearson 相关,按物种内轨道平均 | 现行修订版(2026-10-29)人类榜:34 条轨道,取三个种子的平均 | 榜单 | 出处 | 只评了 1B 版本、单种子,且仅 5 个物种。 | |
| NTv2 500M(非本站模型) | 8 | 0.382 | 测试集上每条轨道的 Pearson 相关,按物种内轨道平均 | 现行修订版(2026-10-29)人类榜:34 条轨道,取三个种子的平均 | 榜单 | 出处 | NT v1 各版未上榜;该权重低于从头训练基线。 |
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。4 个计入(榜 4)。
官方参赛 / 官方榜单(4)
- AlphaGenome:11 个物种中 10 个有分;人类用 fold-1 检查点以避开测试区。(榜单,置信度高;出处)
- Borzoi:全部物种有分,是第三高的序列到功能模型。(榜单,置信度高;出处)
- Evo 2:只评了 Evo2 1B、单种子、5 个物种,不能代表 7B 或 40B。(榜单,置信度中,未核实†;出处)
- NTv3:现行版上以 NTv3 700M (tracks) 列于 11 个物种,均居首或次席;榜单由其作者运行。(榜单,置信度高;出处)
提及但不构成配对
- AlphaMissense:本榜只评轨道预测,不评变异效应,故与变异打分模型无配对。(出处)
局限与注意
- 基准由 NTv3 团队自建、自跑、自评,未见第三方复核。
- 人、牛、大鼠上前两名只差约 0.01,低于同一模型三个种子间的典型波动。
- 官方结果中同一模型同一轨道的三种子标准差中位约 0.018,个别轨道更大。
- 只评轨道预测,不评变异效应或临床判读,成绩不能外推到这些用途。
- 各模型覆盖的物种不同,跨物种求平均会把不同题集混在一起。
新模型怎么用
从官方数据集取基因组、切分与轨道,按统一的 32 kb 输入与单碱基预测头训练读出层,按物种分别报 Pearson 并给出种子数。引用必须写明是初版还是现行修订版、哪个物种、多少条轨道;不要跨物种求平均,也不要把本榜成绩读成变异效应能力。可与 Enformer、BEND 配套。
搭配:Basenji/Enformer test set · BEND · DART-Eval · GUE + Nucleotide Transformer 基准 · TraitGym
来源
- 官方榜单页面(榜单)
- 官方基准数据集(修订版)(官方网站)
- 基准与模型的预印本(预印本)
- 官方结果表(逐模型、物种、轨道、种子)(官方网站)
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 |
|---|---|---|---|---|---|
| scale | 106 tasks, 7 species | 155 tracks, 11 species in the current revised release; 106 tasks and 7 species belong to the 2025-12 initial release | 官方页面 2026-10-29 已改版,旧规模只适用于初版。 | 依据 | 2026-11-18 |
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。