CHIMERA-Bench：面向表位特化抗体设计的基准数据集
机器学习
2026-04-02 v2 人工智能
摘要
计算抗体设计近年来取得了显著进展，已提出数十种深度生成方法，但该领域缺乏统一的基准用于公平比较和模型开发。这些方法在不同的 SAbDab 数据快照、非重叠的测试集上进行评估，且指标不兼容，将设计问题在文献中碎片化为众多子任务，缺乏统一定义。我们引入\textsc{Chimera-Bench}（\textbf{C}DR \textbf{M}odeling with \textbf{E}pitope-guided \textbf{R}edesign），围绕单一标准化任务构建统一基准：\emph{表位条件下的 CDR 序列-结构共设计}。\textsc{Chimera-Bench} 提供（1）一个精选的、去重后的 2,922 个抗体-抗原复合物数据集，包含表位和捕获性注释；（2）三个基于生物学动机的划分，测试对未见表位、未见抗原折叠以及前瞻性时间目标的泛化能力；（3）包括五个指标组的全面评估协议，其中包含新的表位特化性措施。我们对代表性方法进行基准测试，跨越不同生成范式，并在所有划分上报告结果。\textsc{Chimera-Bench} 是该领域最大的数据集，允许社区开发和测试新方法，评估其泛化能力。源代码和数据可在 https://github.com/mansoor181/chimera-bench.git 获取。
引用
@article{arxiv.2603.13431,
title = {CHIMERA-Bench: A Benchmark Dataset for Epitope-Specific Antibody Design},
author = {Mansoor Ahmed and Nadeem Taj and Imdad Ullah Khan and Hemanth Venkateswara and Murray Patterson},
journal= {arXiv preprint arXiv:2603.13431},
year = {2026}
}