CrossDocked2020：ResGen 研究处理的数据集

该数据集的初始数据包含超过 2,200 万个蛋白质-小分子配对 (protein–ligand pairs)，为确保训练集与测试集之间的序列相似性小于 40%，研究人员经过筛选，得到了约 10 万个蛋白质-小分子配对，测试集中包含了 100 个蛋白质口袋。

The initial dataset contains over 22 million protein–ligand pairs. To ensure the sequence similarity between the training and test sets is less than 40%, researchers conducted screening and obtained approximately 100,000 protein–ligand pairs. The test set includes 100 protein pockets.

搜集汇总

背景与挑战

背景概述

该数据集是CrossDocked2020的一个处理版本，专门用于ResGen研究。它从超过2200万个蛋白质-小分子配对中筛选出约10万个配对，确保训练集与测试集的序列相似性低于40%，测试集包含100个蛋白质口袋。该数据集主要用于蛋白质-小分子相互作用研究，特别是评估分子对蛋白质口袋的结合能力。