plinder-org/plinder

plinder – タンパク質とリガンドの相互作用データセットと評価リソース

概要 – plinder は、厳選された大規模なタンパク質-リガンド（およびタンパク質-タンパク質）複合体のデータセットで、リッチなアノテーション（リガンド化学、結合部位類似性、クラスター、結合親和性データなど）を備えています。Pythonライブラリとしてパッケージ化されており、特定の月次リリースをダウンロードし、テーブルをクエリし、個々のシステムを生物物理オブジェクト（構造、RDKit分子など）としてロードできます。リポジトリには、構造予測またはドッキングモデルのベンチマーク用の評価ハーネスも含まれています。

重要性 – 創薬関連タスク（ドッキング、結合親和性予測、共フォールディング、生成リガンド設計）のための最新MLモデルをトレーニングまたはテストするには、高品質で非冗長な相互作用データが必要です。既存のデータセットは小さいか、隠れた冗長性があります。PLINDERは、40万以上の相互作用、体系的な重複排除、情報漏洩を最小限に抑える慎重に層別されたトレイン/バリデーション/テスト分割を提供し、結果の信頼性を高めます。

主要コンポーネント

• plinder.data – RCSB PDBからリリースを構築し、キュレーションパイプラインを適用し、インデックステーブル、クラスター割り当て、オプションの大容量ファイル（リガンド座標、アラインメント、スコア）を書き込むコード。
• plinder.core – ユーザーフレンドリーなAPI（PlinderSystem、Entry、Chainなど）で、システムをロードして以下を提供します：
  • 受容体のBiotite AtomArray、
  • リガンドのRDKit Molオブジェクト、
  • ポケット、リガンド、タンパク質の事前計算された類似性クラスター。
• 評価ハーネス – オプションの追加依存関係（plinder[eval]）により、PoseBusters検証とOpenStructureベースのメトリクス（lDDT、RMSD）が追加され、予測構造を参照と比較できます。
• バージョニング – データセットリリースは月スタンプ（例：2026-09）で、CLI plinder_downloadで取得できます。ライブラリはファイルをローカルにキャッシュして検証し、中断されたダウンロードを再試行します。

開始方法

1. パッケージをインストール：pip install plinder（評価ツールには[eval]を追加）。
2. リリースのインデックスを取得：plinder_download --release 2026-09。
3. システムをロード：

   from plinder.core import PlinderSystem
   sys = PlinderSystem.from_id('PDBID_LIGAND')
   receptor = sys.receptor_structure   # Biotite AtomArray
   ligands  = sys.ligand_mols          # list of RDKit Mol objects
   

4. 提供された分割テーブルを使用してモデルをトレーニングするか、予測に対して評価スクリプトを実行します。

開発者 – バーゼル大学、SIBスイスバイオインフォマティクス研究所、Proxima（旧VantAI）、NVIDIA、MIT CSAILのコラボレーションで、定期的な更新と公開Discordコミュニティがあります。

ライセンスと引用 – データはApache-2.0です。リガンド/親和性ソースは元のCC-BY-4.0またはCC-BY-SA-4.0ライセンスを保持します。データセットを使用する際はbioRxivプレプリント（2024）を引用してください。