英矽智能发起成立AI药物研发基准质量开放联盟 O3DC

O3DC 基准索引收录了跨越 10 个类别的上百项基准测试，涉及15个联盟与倡议，涵盖分子性质预测、对接与姿态预测、结合亲和力、生成式设计、逆合成、靶点识别、临床预测以及 AI Agent 评估。对于每个基准测试，索引均记录了其衡量指标、维护主体、代码存储位置，以及该代码库是否仍处于活跃状态——每次加载页面时，系统都会通过 GitHub 对活跃状态进行实时验证。

此外，该索引还记录了其他同类目录所不具备的内容——已知的局限说明。即那些已被文献记载的偏见、局限性或已公开发表的质疑，而基准测试自身的官方说明中却从未提及。 

“基准测试定义了我们这个领域所认可的‘进步’，”英矽智能创始人兼首席执行官Alex Zhavoronkov博士表示，“虽然我们非常擅长发现基准测试的缺陷，却没有一个地方能记录这些见解。它们被埋没在某篇你必须预先知道其存在的论文讨论区里，而那个基准测试的引用量却还在持续攀升。O3DC 为这些认知提供了一个家——就紧挨着基准测试本身。”

一项标准的行业测试，可能完全不需要触及它原本旨在评估的数据就能轻松过关。例如，尽管 DUD-E 长期以来一直作为虚拟筛选的标准基准，但研究表明其存在关键偏见：模型仅凭配体特征就能区分活性分子和诱饵分子，而未能捕捉到真实的蛋白质-靶点相互作用。因此，高基准得分很少能转化为现实中基于结构的筛选能力。因此，虽然 DUD-E 并未彻底淘汰，但研究人员必须考虑到其架构缺陷，而非直接照单全收其性能表现。类似地，PDBbind 为大多数机器学习评分函数提供支持，同时又是其主要评估基准 CASF 的基础，这引入了学术文献中极少被量化的数据泄漏和重叠问题。更让模型验证雪上加霜的是，PoseBusters 的研究表明，几种深度学习对接工具虽然在 RMSD 指标上表现优于传统方法，但却频繁生成违反基本物理规律的构象姿态。

虽然这些关键局限性在学术文献中有着充分的记载和广泛的共识，但研究人员在下载数据时却得不到任何相关提示。为了弥补这一空白，英矽智能发起了开放药物研发联盟，并同步推出了其核心共享资源：一个由社区共同维护的领域核心基准索引。

“只有对发起机构采取完全相同的标准，这样的索引才具有可信度，” Alex Zhavoronkov博士表示，“我们宁愿公开接受批评，也不愿去宣称一种无法被证明的中立。”

自成立以来，英矽智能已提名 33 个临床前候选化合物，获得超过 10 项新药临床试验（IND）批件，并将提名 PCC（临床前候选化合物）的时间缩短至约 12 到 18 个月，而传统药物研发通常需要 2.5 到 4 年以上。其核心管线 Rentosertib (ISM001-055) 是一款首创的（first-in-class）、由 AI 发现并设计的 TNIK 抑制剂，目前正处于治疗特发性肺纤维化（IPF）的 III 期临床开发阶段。

O3DC 向学术界、工业界和独立研究领域的所有研究人员开放，无需缴纳会员费，亦无排他性限制。联盟目前正在积极征集贡献者，共同更新现有条目、收录尚未归档的基准，并领衔特定类别的维护管理。

欢迎访问索引页面：www.o3dc.org

如有问询或申请加入，请联系：mmaigym@insilicomedicine.com