模型与数据发布· 科学证据 · Frontier

OpenBind-0：多四年的 PDB 数据，为什么没有让模型全面变强？

OpenBind-0 完整公开了模型、训练方法和新实验结构。真实药物发现项目显示，数据增加并不保证模型变强；新增结构是否落在模型陌生的区域，可能更重要。

更新于 10分钟阅读

官方模型与数据发布 + 公开基准评测

当前边界：结果来自官方评测而非同行评审论文；模型在 FatA 和两个 RdRp 靶点上的表现仍然很低

这项工作推进的是：用新增实验结构检验分子相互作用模型的数据盲区

  1. MODEL理解 / 预测
  2. DECIDE选择下一步
  3. INTERACT执行与测量
  4. UPDATE改变下一轮

01｜发生了什么

2026 年 8 月 21 日，OpenBind 发布第一代分子结构预测模型 OpenBind-0（OB0）。它基于 OpenFold3，主要处理蛋白质与小分子的共折叠，训练数据覆盖 PDB 截至 2025 年 6 月的公开结构。[S1]

这次还公开了 717 个带配体的实验结构，来自 FatA、登革热病毒 RdRp 和寨卡病毒 RdRp 三个真实的 fragment-to-hit 项目。其中 547 个是片段结合结构，170 个是后续命中化合物的结合结构。[S1][S3]

为什么叫“0”OB0 的训练集故意没有加入 OpenBind 自己产生的结构。团队先用公开数据建立基线，等下一代模型加入这些实验结构后，就能直接比较新数据究竟带来了多少改善。[S1]

因此，这次发布同时提供了一个基线模型、一批新实验数据，以及以后衡量这些数据价值的比较起点。

02｜What Changed

完整开放后，研究者可以重新训练和检查模型

OpenBind-0 使用 Apache 2.0 许可证，并公开训练数据、代码、模型权重和训练方法。使用者不仅能运行预测，也可以重新训练模型，或加入自己的内部数据继续实验。[S1][S2]

模型表现不只由网络结构决定。训练数据来自哪里、截止到哪一天、不同类型的数据怎样混合、使用哪个 checkpoint，都会影响结果。把这些环节一起公开，研究者才能检查模型为什么这样表现，也能重新训练和修改它。[S1][S2]

在标准蛋白质—配体基准上，OB0 与 AlphaFold3、Protenix 等模型表现接近。更有信息量的是后面的真实项目：同一个模型换到不同靶点，结果会从 90% 以上跌到个位数。[S1]

位置预测对了还不够，分子本身也要在化学上成立

共折叠模型可能把配体大致放到正确位置，但键长、键角或局部几何仍不合理。只看 RMSD，这类结构可能已经算预测正确；如果继续做自由能计算，或者据此修改分子，这些化学错误就会影响结果。[S1]

OpenBind 在扩散采样时加入 chemical steering，并用 PoseBusters 检查配体的化学合理性。同时满足位置正确和化学几何有效的比例，从 48% 提高到 61%。[S1]

这个改动没有换一套更大的网络，却补上了一个实际问题：位置大致正确，不等于生成结构已经适合后续计算。

OpenBind 官方图 2：chemical steering 前后，结构准确率和 PoseBusters 化学有效性的比较
OpenBind 官方图 2：chemical steering 前后，结构准确率和 PoseBusters 化学有效性的比较

OpenBind 官方博客 Fig. 2：chemical steering 对 pose accuracy 影响不大，但明显提高同时满足结构正确与化学有效的比例。图片来自 OpenBind 原文。 [S1]

多四年的 PDB 数据，为什么没有让模型全面变强？

OB0 的训练数据截止到 2025 年 6 月，OpenFold3-preview2 则截止到 2021 年。直觉上，多看近四年的 PDB 数据应该让各种测试都变简单。实际却是，在许多训练集相似度区间里，两者表现很接近。[S1]

团队进一步检查每个测试复合物与训练集中最近结构的距离。PDB 虽然增加了大量蛋白质—配体结构，但许多测试样本并没有因此获得更接近的参照。数据集变大了，这些靶点对模型来说仍然陌生。[S1]

明显提升主要出现在新增数据确实补到了相关结构的样本中。原本陌生的靶点有了更接近的训练参照，模型才变强。因此，数据价值不能只看新增多少条结构，还要看它填补了哪一块结构和化学空间。[S1]

OpenBind 官方图 5：当新 PDB 数据改变测试目标与训练集的相似度时，模型提升更明显
OpenBind 官方图 5：当新 PDB 数据改变测试目标与训练集的相似度时，模型提升更明显

OpenBind 官方博客 Fig. 5：横轴衡量 2025 年新增数据是否让目标更接近训练分布。新增结构确实补到相关空白时，模型收益更明显。图片来自 OpenBind 原文。 [S1]

三个真实项目，三种不同的失败方式

OpenBind 随后把模型放进真实的 fragment-to-hit 项目。在 EV-A71 2A protease 上，OB0 的 top-25 成功率达到 92.2%，top-1 为 73.8%。相关片段结构在训练截止日前已经进入 PDB，模型见过非常接近的结构。[S1]

换到 FatA，OB0 的 top-25 成功率降到 28.2%；表现最好的 Protenix 也只有 39.4%。模型通常能找到正确的结合口袋，也能给出较合理的蛋白构象，但经常摆不对配体。也就是说，它大致知道分子该去哪里，却不知道应该怎样放。[S1][S4]

OpenBind 官方图 7：FatA benchmark 中不同模型的 top-1 和 top-25 success，以及主要 failure mode
OpenBind 官方图 7：FatA benchmark 中不同模型的 top-1 和 top-25 success，以及主要 failure mode

OpenBind 官方博客 Fig. 7：FatA 上 pocket 往往能找到，主要困难落在 ligand pose；OB0 top-25 为 28.2%。图片来自 OpenBind 原文。 [S1]

到了 RdRp，模型常常连结合口袋都选错

在登革热与寨卡病毒的 RdRp 上，几乎所有模型一起失败。最好的 top-25 成功率分别只有 7.7% 和 6.7%。RdRp 很大，表面有多个口袋，主要结合位点附近又很灵活；这两个系统与训练集中的已知结构都很不相似。[S1][S5]

模型经常先选错口袋；即使找对，蛋白构象或配体位置也可能不正确。这三个项目虽然都叫蛋白质—配体预测，难点却不同：EV-A71 有较好的训练覆盖，FatA 主要摆不对配体，RdRp 则连口袋和蛋白构象都可能出错。[S1]

同一类模型从 90% 以上跌到个位数，比一个平均分更能说明它会在哪里失效。

OpenBind 官方图 8：Dengue 与 Zika RdRp benchmark 中各模型 top-25 success 都很低
OpenBind 官方图 8：Dengue 与 Zika RdRp benchmark 中各模型 top-25 success 都很低

OpenBind 官方博客 Fig. 8：DENV-2 与 ZIKV RdRp 上，所有模型 top-25 success 都不到 10%，并同时出现 pocket、protein conformation 与 ligand pose 错误。图片来自 OpenBind 原文。 [S1]

微调能不能补回来？取决于缺的是什么

团队又用特定靶点的片段结构微调模型。在 EV-A71 上，这些数据曾明显改善 OpenFold3-preview2；OB0 把相关结构加入预训练后，表现又超过微调版本。至少在这个靶点上，相关数据进入预训练可能更有效。[S1]

但这种改善没有普遍出现。FatA 只提高了一点，两个 RdRp 微调后仍然很差。这里不能得出“预训练一定优于微调”的结论；如果训练集缺少的是一整块相关结构，调整训练方法未必能替代新的实验数据。[S1]

03｜关键数字

717

新公开的 ligand-bound experimental structures[S1][S3]

547 + 170

Fragment binding events + hit binding events[S1]

48% → 61%

Chemical steering 后，pose 正确且 chemical-valid 的 joint success[S1]

92.2%

EV-A71 2A benchmark 上的 top-25 success[S1]

28.2%

OB0 在 FatA 上的 top-25 success[S1]

7.7% / 6.7%

DENV-2 / ZIKV RdRp 中所有模型的最好 top-25 success[S1]

04｜为什么重要

OB0 故意不使用 OpenBind 自己产生的数据，因此留下了一个清楚的比较起点。团队可以先看模型在哪些结构区域失败，再决定下一批实验应该补哪些结构；下一代模型加入这些数据后，也能直接测量改善来自哪里。[S1]

OpenBind 还表示，团队正在参考模型预测决定下一步做哪些实验。这与 SAPP/DMX 处理的是相邻问题：前者关心实验该补什么数据，后者关心实验怎样更快返回数据。[S1]

问题因此不再只是“怎样获得更多数据”，而是“下一项最值得做的实验是什么”。

WHAT CHANGED

AI4S 层级
分子结构预测 / 科学数据
原有瓶颈
与真实药物靶点相关的蛋白质—配体结构数据不足
这次改变
完整开放的基线模型、717 个新实验结构，以及真实 fragment-to-hit 项目评测
关键证据
多四年的 PDB 数据没有让模型全面变强；补到相关结构空白时才出现明显提升
仍未解决
怎样选择最有价值的新实验，并证明这些数据能稳定改善下一代模型

EVIDENCE IN CONTEXT

编辑状态
前沿
证据场景
湿实验验证
证据怎样产生
实体数据 · 回顾性评测
来源与可检查性
公开模型与数据 · 公司 / 联盟自述
证据上限
它证明了补到相关结构空间的数据与更好预测相关，但没有证明一套稳定选择数据并改善下一代模型的闭环。

05｜证据状态与边界

证据形式OpenBind-0 目前是模型与数据发布，加上团队自己的基准评测，还不是完整的同行评审论文。本文使用的性能数字都来自 OpenBind 官方发布。[S1][S3]

92.2% 是什么92.2% 不是通用的“药物结合预测准确率”。每个结合事件会生成 25 个结构；top-25 成功指其中至少一个满足配体 RMSD ≤2 Å、LDDT-PLI ≥0.8，并通过 PoseBusters 检查。[S1]

适用范围EV-A71 是 92.2%，FatA 是 28.2%，两个 RdRp 的最好模型不到 8%。这些结果说明，表现会受到训练数据覆盖、靶点灵活性和具体失败方式的强烈影响，不能据此说共折叠问题已经普遍解决。[S1]

比较边界2021 与 2025 的比较并不是只改变训练数据截止日期的完全受控实验。OpenFold3-preview2 与 OB0 的网络结构相似，但并不完全相同，OpenBind 也明确提醒了这一点。[S1]

06｜What I Learned

1｜数据问题正在从“够不够多”转向“有没有补在正确的位置”多出的四年 PDB 数据没有让所有测试自动变简单。如果新增结构都落在模型已经熟悉的区域，对困难靶点的帮助可能很小。以后看一个 AI4S 数据集，除了规模，还应该问它增加了哪一块新的科学覆盖。

2｜失败方式比平均分更有用EV-A71、FatA 和 RdRp 都属于蛋白质—配体预测，失败方式却完全不同：一个有较好的训练覆盖，一个主要摆不对配体，一个常常连结合口袋都选错。知道模型错了还不够，还要知道为什么错、下一笔实验预算应该花在哪里。

3｜微调不能自动补上缺失的数据同一种微调方法，在不同靶点上可以从明显有效到几乎没有作用。如果训练集中缺的是一整块相关结构，几十个特定靶点样本未必能补回来，新的实验数据可能更重要。

4｜完整开放后，才能研究数据怎样改变模型只开放权重，我们通常只能比较预测结果。训练数据、训练方法、代码和权重一起开放后，研究者才能继续追问：加入哪类数据最有价值？应该放进预训练还是微调？一种数据配比改善了什么，又损害了什么？

5｜自动化科学最难的可能是决定下一次做什么实验主动学习不只是从 10,000 个候选中自动挑 100 个，还要判断这 100 个实验能否减少最重要的不确定性，或填补训练分布中的关键空白。若一个系统能持续回答“下一条最值得生成的数据是什么”，它的价值可能超过单个模型或单个数据集。

资料来源

文中事实尽量链接至原始公告、项目清单、试验登记或同行评审论文；研究计划与已完成结果分开记录。

  1. S1OpenBind-0：Advancing Open Molecular Structure PredictionOpenBind · 2026.08.21 · 官方模型、数据与 benchmark 发布
  2. S2OpenFold3 v0.5.0 / OpenBind-0 模型发布AQLaboratory / GitHub · 2026.08.21 · 代码与模型权重
  3. S3OpenBind-0 model release infoOpenBind Consortium / GitHub · 2026.08.21 · 评估脚本与数据说明
  4. S4FatA fragment-to-hit 数据Fragalysis / OpenBind · 2026.08.21 · 实验结构数据
  5. S5DENV-2 与 ZIKV RdRp fragment-to-hit 数据Fragalysis / OpenBind · 2026.08.21 · 实验结构数据