2024年12月3日，清华大学珠三角研究院人工智能创新中心的韩蓝青研究团队在Nature Scientific Data上在线发表了PPB-Affinity: Protein-Protein Binding Affinity dataset for AI-based protein drug discovery，整合了SKEMPI v2.0、PDBbind 2020和SabDab等数据源，整理构建一个PPI亲和力数据集，并基于IPA构建一套benchmark算法验证了数据集的价值。

一、开源信息

• 数据集pipeline：https://github.com/Huatsing-Lau/PPB-Affinity-DataPrepWorkflow
• benchmark算法：https://github.com/ChenPy00/PPB-Affinity
• 数据地址：https://zenodo.org/records/14271435
• 模型地址：https://huggingface.co/ChenPy00/PPB-Affinity

二、数据统计概括

• 12062条晶体结构数据，3032个unique PDB code。
• 数据分布：
  • SKEMPI v2.0：6700 (55.55%)
  • PDBbind v2020：3600 (29.85%)
  • SAbDab：1055 (8.75%)
  • ATLAS：545 （4.52%）
  • Affinity Benchmark v5.5：162 （1.34%）
• 检测方法：
  • SPR：3618 （30.00%）
  • FL：1458 （12.10%）
  • ELISA：172（1.43%）
  • BLI：104 （0.86%）
  • ITC：591（4.90%）
  • SP：336 （2.79%）
  • RA：320（2.65%）
  • IARA：125（1.04%）
  • IAGE：9（0.07%）
  • Other：805（6.67%）
  • Unknown：254（2.11%）
  • N/A：3765（31.21%）
• affinity的值（$pKD = -\log_{10}(KD)$）：
  • total：7.54±2.14，max=15.70，min=1.32
  • SPR：6.92±2.05，max=13.80，min=2.29
• 晶体解析方法
  • X-RAY DIFFRACTION：11722 (97.18%)
  • SOLUTION NMR：300 (2.48%)
  • ELECTRON MICROSCOPY：30 (0.24%)
• 分辨率(Å)：2.40±0.65