plinder-org/plinder

plinder – 蛋白质与配体相互作用数据集与评估资源

这是什么 – plinder 是一个精心策划的大规模蛋白质-配体（以及蛋白质-蛋白质）复合物数据集，包含丰富的注释（配体化学、结合位点相似性、聚类、结合亲和力数据等）。它打包为 Python 库，让您可以下载特定的每月版本、查询表格，并将个别系统加载为生物物理对象（结构、RDKit 分子等）。该仓库还附带一个评估框架，用于基准测试结构预测或对接模型。

为什么重要 – 训练或测试用于药物发现相关任务（对接、结合亲和力预测、共折叠、生成式配体设计）的现代机器学习模型，需要高质量、非冗余的相互作用数据。现有数据集较小或存在隐藏冗余。PLINDER 提供超过 40 万个相互作用、系统性去重，以及精心分层的训练/验证/测试分割，最大限度地减少信息泄漏，使结果更可信。

主要组成部分

• plinder.data – 从 RCSB PDB 构建版本的代码，应用策划流程，并写入索引表、聚类分配和可选的大型文件（配体坐标、比对、分数）。
• plinder.core – 一个用户友好的 API（PlinderSystem、Entry、Chain 等），加载系统并提供：
  • 受体的 Biotite AtomArray，
  • 配体的 RDKit Mol 对象，
  • 预先计算的口袋、配体和蛋白质的相似性聚类。
• 评估框架 – 可选的额外依赖项（plinder[eval]）添加 PoseBusters 验证和基于 OpenStructure 的指标（lDDT、RMSD），用于比较预测结构与参考结构。
• 版本控制 – 数据集版本以月份标记（例如 2026-09），可通过 CLI plinder_download 获取。库会在本地缓存文件并验证，重试中断的下载。

如何开始

1. 安装包：pip install plinder（评估工具请添加 [eval]）。
2. 拉取版本的索引：plinder_download --release 2026-09。
3. 加载系统：

   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. 使用提供的分割表来训练模型，或对您的预测运行评估脚本。

背后团队 – 巴塞尔大学、SIB 瑞士生物信息学研究所、Proxima（前身为 VantAI）、NVIDIA 和 MIT CSAIL 之间的合作，定期更新并设有公开的 Discord 社区。

许可与引用 – 数据采用 Apache-2.0；配体/亲和力来源保留其原始 CC-BY-4.0 或 CC-BY-SA-4.0 许可。使用数据集时请引用 bioRxiv 预印本（2024）。