下一分子整理 AI 制药 Benchmark 清单 AIDD Bench Atlas，收录 85 项评测资源
下一分子整理并发布 AI 制药 Benchmark 清单 AIDD Bench Atlas，收录 85 项覆盖通用科研、靶点发现、分子设计、临床前、临床分期、注册和上市后等环节的评测资源。
推荐理由：清单把分散在靶点发现到上市后的 85 项评测资源按阶段和对象归类，便于对照选用。
#评测/基准
下一分子精选AI 评分5858
Inductive Bio 官网资讯精选AI 评分6363 Inductive 在 OpenADMET CYP 抑制盲测中夺冠，连续第四次登顶 AI 药物发现基准
Inductive 在 OpenADMET CYP Direct Inhibition 盲测中排名第一，领先来自生物制药、学术与 AI 机构的 270 余名参赛者，NVIDIA 与 Recursion 分列第三、第四。
推荐理由：Inductive 在 OpenADMET CYP 抑制盲测中领先 270 余支队伍，可对照其连续四次登顶的 ADMET 建模路线。
药化猩球精选AI 评分6060 预印本：AlphaFold 3 的 ipTM 用于全蛋白质组老药重定向仅与 BANDOCK+ 持平
一项预印本研究将 AlphaFold 3 的界面拓扑评分 ipTM 直接作为全蛋白质组药物重定向的亲和力指标，在 1,103 个双方均成功建模的蛋白上取得 nAIA 10.13、NDCG 0.056，十年前基于同源模板的 BANDOCK+ 为 nAIA 9.93、NDCG 0.054，两者总体近乎重合。
推荐理由：该预印本把 AlphaFold 3 的 ipTM 用于全蛋白质组药物重定向，并与十年前的经验算法对比，提供了打分机制层面的参照。
下一分子精选AI 评分6363 Dunbrack团队将ipSAE扩展至小分子与核酸复合物置信度评估
Fox Chase Cancer Center的Roland Dunbrack在bioRxiv发表预印本，将原本用于蛋白—蛋白相互作用的ipSAE评分扩展到蛋白—小分子、蛋白—核酸体系，以蛋白为对齐参照评估整个配体位置并调整归一化方式。
推荐理由：预印本把界面置信度评分扩展到蛋白—小分子与核酸体系，并给出留出集上的分类表现与失效案例。
LeapFun精选AI 评分6363 莱顿大学等预印本审计抗体免疫原性数据：同一抗体ADA发生率0—86%
莱顿大学医学中心与代尔夫特理工大学的一项预印本审计了抗体免疫原性预测常用数据，将数据集清理扩展到231个抗体，并为其中110个抗体追溯426条临床记录。
推荐理由：该预印本审计抗体免疫原性标签，显示来源类别基线可超过表征模型，为ADA预测的数据使用提供参照。
DrugAI精选AI 评分5858 “长江杯”全球AI蛋白质设计挑战赛公布7大靶点与完整规则
“长江杯”全球AI蛋白质设计挑战赛于11月1日公布7个独立赛道的靶点与完整竞赛规则，报名和序列提交均于11月30日23:59:59截止。7个靶点分别为EGFR、TNF-α、GLP-1R、TfR1、TL1A、TNFR1和IL-7Rα，其中5个赛道设计VHH、2个赛道设计minibinder，GLP-1R赛道要求激动剂活性、EGFR赛道要求测定pH=6.0时的亲和力。
推荐理由：赛事公布七个真实靶点与湿实验验证规模，为蛋白质设计方法的实测比较提供了公开基准场景。
Oxford Protein Informatics Group · Blog精选AI 评分5858 别再用胜率：跨基准任务比较模型排名的统计方法
牛津蛋白信息学组博客指出，化学信息学论文常用胜率（模型在任务中排名第一的比例）评估基准表现，但该指标会掩盖微小差距、缺乏统计检验，并隐藏模型在部分任务上的严重失败。
推荐理由：文章用模拟数据演示胜率指标如何掩盖模型弱点，并给出任务内与跨任务的统计比较替代流程。
奶牛猫的CADD实验室精选AI 评分6363 arXiv 预印本：GEOM-DRUGS 参考集遗漏低能构象，影响构象生成模型评分
一篇 arXiv 预印本系统检验 GEOM-DRUGS 参考构象集的完整性，发现五种生成模型（GeoMol、GeoDiff、Torsional Diffusion 等）在 384 个分子上生成的构象中，有 2.3%–7.0% 经 GFN2-xTB 优化与合理性检查后属合理低能构象却未被参考集覆盖。
推荐理由：研究指出构象基准参考集本身可能遗漏低能构象，为生成模型的评测方式提供了具体参照。
智药邦精选AI 评分7878 上海药物所郑明月等发布MolGenBench：系统评测17种AI药物生成模型
同济大学、中国科学院上海药物研究所、上海科技大学与临港实验室团队在《Nature Communications》发表论文，构建结构基础药物发现评测基准MolGenBench，在120个蛋白质靶点和600个化合物系列上系统评估17种分子生成方法，覆盖从头设计与苗头到先导优化两个阶段。
推荐理由：该研究用120个靶点和600个化合物系列横向比较17种分子生成方法，为判断生成模型能否产出真实活性分子提供参照。
药化猩球精选AI 评分7878 Nat. Comput. Sci.发布TCR–pHLA结合预测标准化数据集Hi-TPH与机器学习基准
研究人员在Nature Computational Science发表Hi-TPH层次化TCR–pHLA数据集，最高层级含26,704组结合样本，较STAPLER完整双链数据扩大5.99倍。
推荐理由：该研究构建分层TCR–pHLA数据集并系统评测蛋白质语言模型，为抗原识别预测提供了可比较的数据与基准参照。
BioTender精选AI 评分6060 AISI与SecureBio用编程智能体复现ProteinMPNN、RFdiffusion3与CMD
英国AI安全研究所AISI与SecureBio合作的ReproBAIT预印本让Claude Opus 5、GPT-5.6 Sol、Kimi K3和Qwen3.8-2.4T四个编程智能体在提供训练数据与A10G GPU的条件下限时复现三个生物AI工具。
推荐理由：研究用编程智能体限时复现三个生物AI工具，给出闭源与开源工具可迁移性的具体边界。
智药局精选AI 评分5858 镁伽联合腾讯云、Twist发起Poreva Open蛋白质设计赛，计划湿实验验证超1万条序列
镁伽科技牵头，腾讯云、Twist、思朗科技、诺唯赞等参与，发起全球AI蛋白质设计竞赛Poreva Open，不限国家、模型与技术路线，计划对超过10000条设计序列做湿实验验证。评价体系除靶点结合外新增热稳定性和低非特异性指标，首批3项挑战靶点已公布，赛后拟择优引入类器官等模型进一步验证。奖金包括最高100万元现金、百万元级免费湿实验验证额度和千万元级投资激励。
推荐理由：镁伽联合腾讯云、Twist等发起不限模型的蛋白质设计赛，以万条湿实验验证切入AI4S数据入口。
Insilico Medicine 英矽智能精选AI 评分6363 英矽智能发布DDDBench Core：59项药物发现基准与实时榜单
英矽智能发布DDDBench Core，从Foundations的300余项基准中选出59项，覆盖五个药物研发领域，并提供实时榜单。通用模型榜单中GPT-6 Astra暂列第一；其2.6B与4B的MMAI Gym专用模型在单步逆合成、ADMET、Kinome和GPCR预测等特定任务上超过专用工具与通用模型。
推荐理由：英矽智能从300余项基准中筛出59项，覆盖五个药物研发域，并给出通用与专用模型的实时榜单对比。
清华大学智能产业研究院精选AI 评分7474 清华AIR联合上海AI Lab发布PFArena，用202项真实实验评测大模型蛋白质改造能力
清华大学智能产业研究院联合上海人工智能实验室和清华大学药学院推出PFArena，基于202项真实蛋白质实验、293个任务实例和607,269条候选记录，评测蛋白质语言模型、通用大模型与科学智能体在突变生成和排序上的表现。
推荐理由：该基准把真实蛋白质适应度实验转成生成与排序任务，比较PLM、通用LLM与智能体在有限实验预算下的决策差异。
BioTender精选AI 评分7373 多伦多大学等提出SELECTBENCH，评测九种生成模型难区分目标与脱靶蛋白
多伦多大学、Mila 等机构提出 SELECTBENCH，将目标与脱靶蛋白同时纳入评价，评测九种结构驱动小分子生成模型的选择性。
推荐理由：该基准把目标与脱靶口袋同时纳入评测，揭示生成模型在相近蛋白上的选择性短板与阈值取舍。
BioArt精选AI 评分7474 Insilico Medicine团队在Cell发布衰老生物学基准LongevityBench与长寿语言模型
英矽智能Fedor Galkin与Alex Zhavoronkov团队在Cell发表研究，构建首个面向衰老生物学的开放基准LongevityBench，含17项任务、覆盖临床记录、DNA甲基化、转录组、蛋白质组与遗传学五大数据域，共25457个评测提示。
推荐理由：该研究用17项任务评测18个前沿模型解读衰老组学数据的能力，并比较领域微调小模型与通用大模型的表现差异。
奶牛猫的CADD实验室精选AI 评分5858 ChemMedChem研究：Boltz-2结合姿势准确但亲和力排序在新口袋区域失效
ChemMedChem发表研究，用43个15-PGDH抑制剂评估Boltz-2的亲和力预测能力。在结构修饰保守的两个系列中，Boltz-2的Spearman相关系数为0.68，接近FEP+的0.64；但在探索新结合口袋区域的Series 3中，部分化合物效价最高提升约500倍，Boltz-2却将整个系列预测为弱于母体化合物。
推荐理由：该研究用43个15-PGDH抑制剂检验Boltz-2亲和力排序，显示姿势准确不等于排序可靠。
BioTender精选AI 评分7272 Leash Biosciences 发布 Minos 工作稿：用真实湿实验构建分子搜索环境评测 AI
Leash Biosciences 的 Minos 工作稿把预先完成的 DNA 编码化合物库实测结果封装成可反复查询的分子搜索环境，模型每局最多测试 100 个分子、每批最多 5 个。
推荐理由：工作稿把已完成的湿实验封装成可反复查询的分子搜索环境，并给出结构打乱与靶标遮蔽对照，便于理解评测边界。
AI药物设计实验室精选AI 评分7272 ICLR 2026 论文 MolecularIQ 评测 38 个大模型化学结构推理，最高准确率 47.5%
约翰内斯·开普勒大学等机构在 ICLR 2026 发表基准 MolecularIQ，用 RDKit 符号程序核验 38 个开源大模型对分子结构的计数、原子索引定位和约束生成能力，最高总体准确率为 GPT-OSS 120B（High）的 47.5%。
推荐理由：该基准用 RDKit 符号核验拆解分子结构推理，并揭示 SMILES 写法变化带来的性能落差。
AI药物设计实验室精选AI 评分7474 同济大学等团队在 Nature Communications 发布 MolGenBench，评估17种结构基础分子生成方法
同济大学、上海药物研究所等团队在 Nature Communications 发表 MolGenBench，用活性找回、筛选效率、靶点感知和三维构象等指标评估17种结构基础药物设计方法，其中10种从头生成、7种先导优化。
推荐理由：该基准把分子生成评估从合规性推进到活性空间找回，并揭示先导优化与从头设计的差距。