67 VenusX
细粒度功能注释基准:残基、片段与配对三个粒度,含跨家族切分。真值是数据库注释,不少由家族传播或计算推导,不是逐条实验测定。
bench-67 · 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 · 蛋白 · 2026-11 新收录 · 截至 2026-11-18
概况
| 字段 | 内容 |
|---|---|
| 名称 / 别名 | VenusX |
| 家族 | 否(单一基准,发布至今没有版本家族。) |
| 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 | 蛋白(次领域:抗体) |
| 发布方 | Shanghai Jiao Tong University、East China University of Science and Technology(学术实验室) |
| 首次发布 | (依据:该基准论文的 arXiv v1 投稿日) |
| 其他里程碑 | 预印本 v1 (该基准论文的 arXiv v1 投稿日) |
| 最近更新 | ,仅维护:官方仓库的代码推送;数据集与切分未变,仓库简介另称论文被 ICLR 2026 收录,未核到收录页。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 | 逾 878,000 个样本、56 个数据集;6 类注释 × 2 种切分 × 3 个同一性阈值。 明细:样本数(paper v1) 878,000+;数据集数(paper v1) 56;注释类别(活性位点、结合位点、保守位点、motif、结构域、表位)(paper v1) 6;同一性阈值(50/70/90%)(paper v1) 3;学习型基线模型数(paper v1) 15;对齐类基线(Foldseek、TM-align、BLASTP)(paper v1) 3 |
| 状态 | ○ 冻结:数据集静态,仓库仍有代码提交 |
| wet lab 更新 | 静态:不做新实验;标注取自 InterPro、BioLiP 与 SAbDab。 |
| 需自补 wet lab | 断言真实泛化时需要 |
| 报告模型数 | 1 个计入(第三方 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 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 |
|---|---|---|---|---|---|---|
| 67a VenusX 功能位点与片段注释 | 已有参考答案 | — | 多个蛋白语言模型基线(ESM2 t30/t33/t36、ESM-1b、ProtBert、ProtT5、Ankh-base、TM-vec、ProstT5、SaProt 35M_AF2/650M_PDB、ProtSSN、ESM-IF1、MIF-ST、GVP-GNN)(自) | 结构对齐工具在多个设置下居首而序列对齐基线大幅落后;跨家族切分下残基级预测大幅下降,表位几乎无区分度。 | 能回答:在残基、片段、结构域三个粒度上,序列模型、结构模型与对齐工具各在哪类注释更可靠。 | 不能回答:这些分数对应多少真实的功能发现——真值是数据库注释,不是实验验证的位点。 |
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:在残基、片段与配对三个粒度上判定功能注释:标位点、分片段类别、给功能相似度打分。
- 真值:InterPro、BioLiP 与 SAbDab 的注释,其中不少由家族传播或计算推导。
- 主指标:残基级 AUPR、片段级 macro-F1、成对 AUC
- 次指标:片段级 MCC 与宏平均精确率/召回率;跨家族相对混合家族的掉分幅度
- 版本陷阱:混合家族与跨家族两套数字不可横向比较,引用必须写明切分与同一性阈值。
当前排名
状态:≠ 不可比
- 指标:残基级 AUPR、片段级 macro-F1、成对 AUC
- 评测集 / 口径:VenusX: six annotation types x mixed-family / cross-family x 50/70/90% identity
- 快照日期:(旧:早于截至日 12 个月以上)
排名行不显示分数:4 个口径,无统一排名
说明:无官方榜单与总分;数字全部出自基准论文,混合家族与跨家族两套不可横比。
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 |
|---|---|---|---|---|---|---|---|---|
| Ankh-base(非本站模型) | — | 不显示:口径不可比:注释类别、切分与同一性阈值各异,排名行不显示分数。 | 残基级 AUPR、片段级 macro-F1、成对 AUC | VenusX: six annotation types x mixed-family / cross-family x 50/70/90% identity | 榜单 | 出处 | 混合家族的 15 项 InterPro 任务中 7 项 AUPR 居首,但不通吃 | |
| SaProt-650M | — | 不显示:口径不可比:注释类别、切分与同一性阈值各异,排名行不显示分数。 | 残基级 AUPR、片段级 macro-F1、成对 AUC | VenusX: six annotation types x mixed-family / cross-family x 50/70/90% identity | 榜单 | 出处 | 跨家族 InterPro 任务上最佳或次佳,由基准作者复跑 | |
| Foldseek(非本站模型) | — | 不显示:口径不可比:注释类别、切分与同一性阈值各异,排名行不显示分数。 | 残基级 AUPR、片段级 macro-F1、成对 AUC | VenusX: six annotation types x mixed-family / cross-family x 50/70/90% identity | 榜单 | 出处 | 成对任务 8 个设置中 3 个居首,最高 AUC 99.0%,是结构对齐基线 | |
| BLASTP(非本站模型) | — | 不显示:口径不可比:注释类别、切分与同一性阈值各异,排名行不显示分数。 | 残基级 AUPR、片段级 macro-F1、成对 AUC | VenusX: six annotation types x mixed-family / cross-family x 50/70/90% identity | 榜单 | 出处 | 序列对齐基线,每项任务落后 40 个 AUC 点以上 |
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(第三方 1)。
第三方评测(1)
局限与注意
- 真值是数据库注释,不少由家族传播或计算推导,不是逐条实验测定。
- 跨家族切分下活性位点与结合位点的最佳 AUPR 比混合家族掉 70%–80%。
- 表位一类在所有切分下都没有模型超过 0.3 AUPR,与结构域一类混在同一张表里。
- 对齐基线强弱取决于用结构还是序列:结构对齐接近天花板,序列对齐大幅落后。
- 被评模型的预训练语料覆盖这些家族,官方未做预训练暴露审计。
新模型怎么用
从官方仓库取数据,按给定的混合家族与跨家族切分在 50%、70%、90% 三个同一性阈值上各跑一遍,逐注释类别报分,并必须带上 Foldseek 等对齐基线作对照。只报混合家族的数字会高估跨家族能力,表位一类所有模型都不超过 0.3 AUPR。
搭配:CAFA · FLIP / FLIP2 · ProteinGym
来源
- 原论文预印本(预印本)
- 原论文全文(含基线表)(预印本)
- 官方仓库(仓库)
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 / ranking.entries | baseline list and numbers not verified | Fifteen learned baselines plus three alignment baselines, with the reported leaders verified in the paper | 本轮回原文核到逐模型名单与关键数值。 | 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。