57 CatPred-DB
酶动力学常数预测数据集:kcat、Km、Ki 三套,带同一性分档。标签来自多源文献汇编,pH、温度与底物条件未统一。
bench-57 · 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 · 蛋白 · 2026-11 新收录 · 截至 2026-11-18
概况
| 字段 | 内容 |
|---|---|
| 名称 / 别名 | CatPred-DB;有歧义、不自动链接:CatPred |
| 家族 | 否(kcat、Km、Ki 三套是同一数据集的参数子集,不是家族成员。) |
| 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 | 蛋白 |
| 发布方 | The Pennsylvania State University、Center for Bioenergy Innovation(学术实验室) |
| 首次发布 | (依据:官方仓库首个标签版本 1.0.0) |
| 其他里程碑 | 期刊上线 (Nature Communications 在线发表);代码发布 (官方仓库标签版本 1.0.0) |
| 最近更新 | ,仅维护:官方仓库合并了一次依赖安全更新;数据集版本与划分未变,仍是发布时的三套参数集。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(维护方未公告新版本数据集或新一轮评测。) |
| 规模 | kcat 23,197 条、Km 41,174 条、Ki 11,929 条;OOD 分四档同一性。 明细:kcat 条目数(release) 23,197;Km 条目数(release) 41,174;Ki 条目数(release) 11,929;主划分(release) 80-10-10;OOD 同一性档(99/80/60/40%)(release) 4 |
| 状态 | ○ 冻结:数据集自发布未更新,仓库仅做维护 |
| wet lab 更新 | 静态:不做新实验;数据取自 BRENDA、SABIO-RK 等文献汇编。 |
| 需自补 wet lab | 断言真实泛化时需要 |
| 报告模型数 | 0 个计入 |
| 当前排名 | ○ 自报(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 |
|---|---|---|---|---|---|---|
| 57a CatPred-DB | 已有参考答案 | — | CatPred(自)、UniKP(三)、EnzyCLIP(自) | 标签来自混源文献汇编,预测质量主要被实验不确定度限制;主表用随机划分,同源性降到 40% 这一档成绩大幅下滑。 | 对一个在文献里已有同源酶被测过的酶-底物对,谁更可能把动力学常数估到一个数量级内。 | 对与已测酶同源性低于 40% 的新酶还剩多少预测力——那一档相关性掉到 0.4 以下。 |
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:给定酶序列与底物,预测 kcat、Km 或 Ki,在 log10 尺度上回归。
- 真值:文献汇编的动力学常数;重复条目 kcat 取最大值,Km 与 Ki 取几何均值。
- 主指标:kcat held-out 的 R²(log10 尺度)
- 次指标:MAE(log10 尺度);落在 ±1 个数量级内的比例
- 版本陷阱:必须写明是随机 held-out 还是哪一档同一性 OOD:同一模型两者相差约 0.2 个 R²。
当前排名
状态:○ 自报
- 指标:kcat held-out 的 R²(log10 尺度)
- 评测集 / 口径:CatPred-DB kcat held-out (random 80-10-10 split)
- 快照日期:†(未核实)
当前第一:CatPred,0.602(kcat held-out 的 R²(log10 尺度);CatPred-DB kcat held-out (random 80-10-10 split);自报;;旧)。未经独立复现
说明:无官方榜单;分数或为自报或为他人复跑,held-out 是随机划分,40% 同一性档降到 0.365。
| 模型 | 名次 | 数值 | 指标 | 评测集 / 口径 | 来源类型 | 日期 | 出处 | 说明 |
|---|---|---|---|---|---|---|---|---|
| CatPred(非本站模型) | 1 | 0.602 | kcat held-out 的 R²(log10 尺度) | CatPred-DB kcat held-out (random 80-10-10 split) | 自报 | 出处 | 数据集作者自报,十次重复均值;同一模型 OOD 档降到 0.404 | |
| EnzyCLIP(非本站模型) | 2 | 0.594 | kcat held-out 的 R²(log10 尺度) | CatPred-DB kcat held-out (random 80-10-10 split) | 自报 | †(未核实) | 出处 | 作者自报;正文写 0.593、图中 0.594,自相矛盾,且不报 Ki 与 OOD |
| UniKP(非本站模型) | 3 | 0.591 | kcat held-out 的 R²(log10 尺度) | CatPred-DB kcat held-out (random 80-10-10 split) | 第三方 | †(未核实) | 出处 | 由他人在本数据集上复跑得到,非该模型作者自报 |
| DLKcat(非本站模型) | 4 | 0.224 | kcat held-out 的 R²(log10 尺度) | CatPred-DB kcat held-out (random 80-10-10 split) | 第三方 | †(未核实) | 出处 | 同表对照项;在 kcat 上被官方简单基线压过 |
| 官方简单基线(最相似 3 条训练酶取均值)(非本站模型) | 5 | 0.315 | kcat held-out 的 R²(log10 尺度) | CatPred-DB kcat held-out (random 80-10-10 split) | 自报 | 出处 | 非模型,是数据集作者给的最近邻基线;OOD 低同一性档 R² 转负 |
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。0 个计入。
暂无模型与本 benchmark 构成配对。
局限与注意
- 标签来自多源文献汇编,pH、温度与底物条件未统一。
- 主表的 held-out 是随机划分,同源冗余使分数虚高。
- 换到 40% 同一性档,kcat 的 R² 从 0.60 降到 0.365,简单基线甚至转负。
- 作者自承误差主要来自数据本身的实验不确定性,重复条目的离散度未报。
- 各家报分口径不一:有的只报 held-out 的 kcat 与 Km,不报 Ki 与 OOD。
新模型怎么用
从官方仓库或 Zenodo 取数据,按自带的 80-10-10 划分训练,并报 99/80/60/40% 四档同一性 OOD 成绩,与「最相似 3 条训练酶取均值」的基线对照。只报随机 held-out 不支持泛化结论。序列不重叠切分参见 FLIP。
搭配:ProteinGym · FLIP / FLIP2 · FS-Mol
来源
- 原论文(数据集与基线出处)(期刊)
- 官方仓库(仓库)
- 官方数据集存档(存档)
- 在本数据集上报分的第三方论文(第三方论文)
- 论证序列不重叠切分必要性的第三方论文(第三方论文)
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 |
|---|---|---|---|---|---|
| models_reported | KinForm listed as reporting scores on this dataset | Removed: that paper reports on other kinetics datasets and never names this one | 该论文用的是另外三套动力学数据集,全文不出现本数据集名称。 | 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。