TxBench-Ab (TherapeuticsBench Antibody Discovery)

TxBench-Ab是一个用于抗体发现的可验证基准测试，包含100个经过实验验证的评估，涵盖治疗性抗体发现的十个能力领域，从靶点评估和试验设计到细胞药理学、抗体工程和候选药物风险降低。TxBench-Ab is a verifiable benchmark for antibody discovery, comprising 100 experimentally validated assays that cover ten competency domains in therapeutic antibody discovery, ranging from target assessment and trial design to cellular pharmacology, antibody engineering, and candidate drug risk reduction.

原始信息汇总

TxBench-Ab 数据集总结

概述

TxBench-Ab（TherapeuticsBench Antibody Discovery）是一个用于抗体发现的可验证基准数据集，属于跨药物发现阶段和治疗模式的广泛基准测试工作的第二个聚焦切片（继 TxBench-PP 之后）。该基准由 100 个基于实验的评估组成，涵盖治疗性抗体发现中的十项核心能力。

覆盖能力范围

• 靶点评估
• 检测设计
• 细胞药理学
• 抗体工程
• 候选药物风险降低

当前发布内容

• evals/ 目录：包含 7 个公开示例评估，附有提示（prompt）和配置（config）元数据。
• trajectories/ 目录：包含针对公开评估的选定模型-工具链（model-harness）配置的公开轨迹数据。

搜集汇总

数据集介绍

构建方式

TxBench-Ab（TherapeuticsBench Antibody Discovery）是一个面向抗体发现的验证性基准测试集，作为涵盖药物发现阶段和治疗模态的更广泛基准测试工作的一部分，继TxBench-PP之后推出的第二个聚焦板块。该基准测试集基于实验验证构建，包含100个评估任务，覆盖治疗性抗体发现中的十项核心能力，从靶点评估、试验设计到细胞药理学、抗体工程及候选药物风险降低等环节。当前版本公开了七个具备提示词/配置元数据的示例评估，以及针对公开评估的选定模型-框架配置的轨迹数据。

特点

TxBench-Ab的显著特点在于其严谨的实验基础与广泛的能力覆盖，确保了评估结果的可靠性和可解释性。它横跨抗体发现全流程，不仅考验模型在分子层面的设计能力，还评估其对复杂生物学机制的理解，从而为研究者提供多维度、细粒度的性能画像。此外，其模块化的结构允许灵活组合不同评估任务，便于深入剖析模型在各环节的优劣表现。

使用方法

研究者可利用TxBench-Ab对新型抗体发现模型进行系统评测。通过加载提供的公开评估任务及对应配置，可快速复现基准结果，并与既有模型进行对比。针对自定义需求，可依据提示词元数据调整输入或目标，将新任务适配至基准框架中。轨迹数据的引入则支持对模型推理过程的分析，有助于识别逻辑缺陷与优化方向，从而指导模型迭代与算法改进。

背景与挑战

背景概述

TxBench-Ab（TherapeuticsBench Antibody Discovery）是由研究机构在继TxBench-PP之后推出的又一聚焦于抗体药物发现的可验证基准数据集。其创建旨在应对抗体药物研发过程中多阶段、多维度评估的需求，核心研究问题是如何系统性地衡量和提升人工智能在抗体发现全流程中的表现。该基准涵盖了从靶点评估、试验设计到细胞药理学、抗体工程及候选药物风险排除等十项核心能力，包含100项基于实验的评估任务。通过提供公开的示例评估与轨迹数据，TxBench-Ab为计算与实验科学架起了一座桥梁，对推动人工智能辅助抗体药物研发的标准化和可复现性具有重要影响力，也为后续跨治疗模式的基准研究奠定了基础。

当前挑战

TxBench-Ab所面临的挑战多维且严峻。抗体药物发现涉及从靶点确认到临床前候选药物优化的漫长链条，每个环节都存在独特的生物物理与临床问题，例如抗原表位的精准识别、抗体的亲和力成熟、免疫原性预测及药代动力学优化等，这些问题的复杂性远超传统图像或自然语言处理任务。在构建该基准的过程中，研究者需确保评估任务的实验可验证性，这要求将文献中的实验数据规范化并转化为可计算的指标，同时还需应对数据稀疏、标注标准不一等现实难题。此外，兼顾覆盖广度与评估深度的平衡、设计出能够真实反映模型在湿实验条件下性能的协议，也是其构建中持续存在的挑战。

常用场景

经典使用场景

TxBench-Ab作为抗体药物发现领域的验证基准，其核心应用场景聚焦于系统评估人工智能模型在治疗性抗体研发全链条中的能力。该基准涵盖从靶点评估、实验设计到细胞药理学、抗体工程及候选药物风险排除的十项关键能力，通过一百个实验验证的评估任务，为研究者提供了标准化的测试平台。在此场景下，TxBench-Ab被用于横向比较不同模型在抗原结合预测、抗体人源化设计、亲和力成熟等子任务上的表现，从而推动计算方法的迭代优化，并促进多学科交叉验证的规范化。

实际应用

在实际应用中，TxBench-Ab可协助生物技术公司和制药企业高效筛选候选抗体药物，降低临床前开发的失败风险。通过模块化的评估设计，团队能够预演从靶点确认到候选药物去风险的完整流程，例如提前预判抗体的免疫原性或成药性缺陷。此外，该基准还支持自动化机器学习流水线的部署，在研发早期即识别出具有潜力的分子，从而缩短研发周期、节约实验成本，并加速创新疗法从实验室走向临床的转化进程。

衍生相关工作

TxBench-Ab的出现催生了一系列衍生工作，尤其是在AI驱动的抗体设计优化领域。其评估框架已被用于验证新一代大模型在零样本抗体生成中的鲁棒性，并启发了针对特定能力维度（如VHH纳米抗体或双特异性抗体设计）的专用基准扩展。此外，该基准所采用的实验锚定方法论，亦被借鉴至其他生物治疗模态（如T细胞受体工程）的评估体系构建中，形成了一套可推广的基准设计范式，促进了跨模态药物发现工具的系统性发展，并在开放科学社区内激发了关于评估指标公平性的广泛讨论。