PMO-Dock 基准发布：标准化分子对接优化评测协议

一句话结论

PMO-Dock 推出包含 25 个任务的分子对接优化基准，填补了结构药物设计评测标准化的空白。

关键要点

• 该基准由 Hrant Khachatrian 等人于 2026 年 10 月 13 日提交至 arXiv 的 cs.LG 分类。
• 基准包含 25 个任务，涵盖命中生成（hit generation）与先导化合物优化（lead optimization）。
• 新增特异性任务，在强效靶向结合的同时对脱靶相互作用施加惩罚。
• 采用严格协议，验证任务用于调参，测试任务保留至最终评估，且在受限预言机预算下进行。
• 对 4 种高性能方法（Saturn、GenMol、Genetic-guided GFlowNet、ChemLlama）进行对比，结果显示不存在全能最优方法。

背景与事实

当前分子优化领域已从简单的基于性质的预言机转向基于对接的目标函数，导致现有评测实践缺乏标准。此前用于标准化评估的 PMO（Practical Molecular Optimization）基准主要依赖简单属性预言机，未能捕捉结构药物设计的复杂性。由于各方法在不同对接任务上报告结果，缺乏公平比较的共享协议和样本效率约束，该领域亟需新的评测标准。

为此，研究团队引入 PMO-Dock 基准与协议。该基准由 25 个任务组成，覆盖三个核心维度：命中生成、先导化合物优化，以及新引入的特异性任务。特异性任务要求在保持强效靶向结合能力的同时，对脱靶相互作用进行惩罚，更贴近实际药物发现需求。

在评测协议设计上，PMO-Dock 严格区分模型开发与最终评估。验证任务专门用于超参数调整，而测试任务则保留至最终评估阶段，且在开发期间不得用于任何模型训练或调优。所有测试任务评估均在严格的预言机预算（oracle budget）限制下进行，旨在模拟现实药物发现中的资源受限场景，确保结果的样本效率与真实性。

研究团队选取了四种代表不同优化范式的高性能方法进行基准测试，分别为：基于强化学习的 Saturn、基于离散扩散的 GenMol、遗传引导的 GFlowNet，以及基于大语言模型进化搜索的 ChemLlama。实验结果明确显示，在所有任务中不存在单一的最优方法，不同算法在不同场景下表现各异。

影响分析

对于中文开发者与从业者而言，PMO-Dock 的发布标志着结构药物设计 AI 评测从“松散比较”进入“标准化竞赛”阶段。以往各研究团队自行选取对接任务报告结果，导致跨论文比较困难，而 PMO-Dock 提供的 25 个任务与严格预算协议，为从业者提供了统一的性能坐标系。这意味着在研发 AI 分子生成模型时，必须明确区分调参与测试数据集，避免数据泄露导致的高估性能。

此外，基准结果揭示的“方法依赖选择策略”具有重要工程指导意义。由于超参数转移在跨任务与跨类别场景中受限且表现不一，从业者不能简单地将某任务的最优超参数直接套用于其他任务，而需针对具体任务特征重新调优。同时，在计算资源有限的现实场景下，严格预言机预算下的样本效率评估将直接影响模型落地成本与周期，从业者需重点关注模型在低预算下的表现而非无限预算下的理论上限。

适用边界

本基准主要适用于基于对接目标函数的分子优化任务评测，特别是面向结构药物发现的场景。若研究仍聚焦于简单的基于性质（property-based）的优化问题，原有的 PMO 基准可能更为轻量且适用。此外，本结论基于当前 4 种特定范式的对比方法得出，对于尚未纳入基准测试的其他新兴优化范式（如特定物理仿真方法），其相对性能排名可能存在未知变化，不能直接外推为全领域结论。

孤本观察

基准测试中四种顶尖方法均未能通吃所有任务，这一事实判断表明，当前结构药物设计 AI 领域在通用性上尚未收敛，特定任务针对性优化仍是工程主导策略。

来源：arXiv cs.LG