PSP

PSP数据集是由北京大学化学与分子工程学院国家分子科学中心创建的，旨在解决蛋白质结构预测领域数据集不足的问题。该数据集包含约133万条蛋白质序列，其中570k为真实结构序列，15TB，745k为补充蒸馏序列，15TB，具有高覆盖度和多样性。数据集的创建过程涉及从PDB数据库下载结构数据，并通过复杂的清洗和处理步骤生成高质量的序列-结构对应关系。PSP数据集主要应用于蛋白质结构预测模型的训练和评估，支持AI驱动的蛋白质相关研究，如蛋白质序列/MSA预训练模型、基于序列和结构的蛋白质设计等。