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…

52 Biogen ADME

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

药企公开的六个体外 ADME 终点,按时间切分做回顾评测。六个终点里只有溶解度和渗透两个榜有条目,各 3 条,其余四个为空。

bench-52 · 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 Biogen ADME;全称:Biogen 公开 ADME 数据集(Fang 2023)及其 Polaris 版基准;别名:adme-fang-v1、adme-fang-solu-reg-v1、Fang 2023 ADME;有歧义、不自动链接:ADME、Biogen
家族 否(原论文数据集与 Polaris 上的各单终点基准是同一数据的不同封装,不是家族。)
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(1 条协议,逐条见下)
领域 小分子
发布方 Biogen、Polaris (Valence Labs)(多类机构联合)
首次发布 (依据:原论文在期刊上线(JCIM 63:3263-3274))
其他里程碑 期刊上线 (JCIM 网络版上线日);代码发布 (官方数据与建模代码仓库的最近提交)
最近更新 ,新版本:Polaris 建立 v1 版单终点基准(溶解度、渗透、人/鼠微粒体清除、人/鼠血浆蛋白结合);此后未见数据或切分更新。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(数据方与平台方都未公告新版本或新批次数据。)
规模 6 个体外 ADME 终点,各终点 885 至 3,087 条测量,共约 3,521 个化合物。 明细:体外终点数(Fang 2023) 6;各终点测量数范围(Fang 2023) 885-3,087;溶解度基准:训练 / 测试(adme-fang-solu-reg-v1) 1,578 / 400;渗透基准:训练 / 测试(adme-fang-perm-reg-v1) 1,920 / 483;人血浆蛋白结合基准:训练 / 测试(adme-fang-hppb-1) 126 / 34
状态 ○ 冻结:数据与切分冻结;榜上条目稀少,四个终点为空
wet lab 更新 静态:不做新实验;数据是 20 个月内一次性公开的内部 DMPK 测量。
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);另 1 条不计入(仅引用 1)
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
52a Biogen ADME 各终点 已有参考答案 — MolGPS (Graphium)(榜)、KERMT(自) 终点贴近真实药代决策,但切分口径跨论文分裂,单终点测试集小到误差棒足以吞掉名次差,榜单条目也极少。 在来自单一药企、口径统一的 6 个体外 ADME 终点上,模型在固定切分下的绝对误差量级。 跨论文比较模型——各家切分不同;也不能据榜名次下结论,六个终点合计只有几条。

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:用结构预测六个体外 ADME 终点:溶解度、MDR1-MDCK 外排比、人与大鼠肝微粒体清除、人与大鼠血浆蛋白结合。
  • 真值:同一家公司在 20 个月内用统一方案测得并公开的 DMPK 实验值。
  • 主指标:Pearson 相关
  • 次指标:R² 与 MAE;Spearman 相关
  • 版本陷阱:原论文时间切分、Polaris v1 基准与各家自建聚类切分三者数字不可互比;还要写明是哪个终点。

当前排名

状态:▣ 榜单

  • 指标:Pearson 相关(榜单主指标),另给 R²、MAE、Spearman
  • 评测集 / 口径:Polaris biogen/adme-fang-solu-reg-v1:溶解度单终点,沿用原论文的时间切分,测试集 400 个分子
  • 快照日期:†(未核实)
  • 榜单页面

当前第一:1B_MolGPS-ens_LargeMix-and-Phenomics,0.781(Pearson 相关(榜单主指标),另给 R²、MAE、Spearman;Polaris biogen/adme-fang-solu-reg-v1:溶解度单终点,沿用原论文的时间切分,测试集 400 个分子;榜单;†(未核实))

说明:头条只是六个终点里溶解度一项,全榜仅 3 条;四个终点的榜为空,本站模型均未上榜。

模型 名次 数值 指标 评测集 / 口径 来源类型 日期 出处 说明
1B_MolGPS-ens_LargeMix-and-Phenomics(非本站模型) 1 0.781 Pearson 相关(榜单主指标),另给 R²、MAE、Spearman Polaris biogen/adme-fang-solu-reg-v1:溶解度单终点,沿用原论文的时间切分,测试集 400 个分子 榜单 †(未核实) 出处 溶解度榜第 1:Pearson 0.781、R² 0.605、MAE 0.304;非本站模型。
3B_e50_MPNN_LargeMix-and-Phenomics(非本站模型) 2 0.772 Pearson 相关(榜单主指标),另给 R²、MAE、Spearman Polaris biogen/adme-fang-solu-reg-v1:溶解度单终点,沿用原论文的时间切分,测试集 400 个分子 榜单 †(未核实) 出处 同一团队的另一条目;该榜一共只有 3 条。
vidraft-solu-structure-only-ensemble(非本站模型) 3 0.608 Pearson 相关(榜单主指标),另给 R²、MAE、Spearman Polaris biogen/adme-fang-solu-reg-v1:溶解度单终点,沿用原论文的时间切分,测试集 400 个分子 榜单 †(未核实) 出处 仅用结构信息的集成条目,无论文或代码链接。

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);另 1 条不计入(仅引用 1)。

开发方自报,协议有改动(1)

  • KERMT:用本数据 6 个终点自报,但按自建的 80-20 聚类切分,不是榜上的时间切分。(自报,置信度高;出处)

仅被引用作比较(1,不计数)

  • Chemprop v2:作为另一模型论文里的多任务对照出现,没有以本基准名义提交的条目。(第三方,置信度中,未核实†;出处)

提及但不构成配对

  • ADMET-AI:未检出该模型在本数据集或 Polaris 对应榜上的分数。(出处)

局限与注意

  1. 六个终点里只有溶解度和渗透两个榜有条目,各 3 条,其余四个为空。
  2. 血浆蛋白结合终点测试集仅二三十条,统计上无法区分方法优劣。
  3. 2023 年底与 2024 年中存在两套同名基准,切分与条目数不同,容易混引。
  4. 多数论文用自建聚类或随机切分报分,与榜上的时间切分不可比。
  5. 单一公司、单一测定方案的数据,换一家实验室的测值未必保持同样排序。

新模型怎么用

从平台或原始仓库取数据,严格沿用原论文的时间切分按终点分别建模,并报 Pearson、R² 与 MAE 三项。数字必须注明终点与切分来源;自建聚类切分的结果不能与榜上分数同表比较。血浆蛋白结合两个终点测试集只有二三十条,误差棒很大,不宜据此排名。可与 Polaris、OpenADMET 盲测系列 配套。

搭配:Polaris / ASAP / OpenADMET · OpenADMET 盲测系列 · TDC (ADMET + DTI) · MoleculeNet (+OGB) · FS-Mol

来源

  1. 原始数据来源论文(期刊)
  2. 平台上的数据集页面(官方网站)
  3. 溶解度终点的官方榜单(榜单)
  4. 官方数据与建模代码仓库(仓库)
  5. 在本数据集上自报结果的模型论文(预印本)

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。