CROWN:以“先修复”思路构建、用于训练打分模型的蛋白-配体数据集
- CROWN是基于PDB整理的、可直接用于机器学习的蛋白-配体复合物数据集,构建时尽可能修复结构不一致问题,仅在无法保守修复时才予以过滤。
- 其规模和蛋白多样性比此前的SPINDR大数倍,并提供相似性注释和网页界面。
- 回顾性评估显示,用CROWN训练的打分模型在CASF-2016上优于其他四种训练资源,在对接和筛选任务上与PDBbind、HiQBind训练的模型相当。
💡 要点 基于摘要的观点
周一先把CROWN拉下来,在重训任何模型之前,先用它的相似性注释和我们自己的靶点比对一遍。CASF-2016上拿第一只是弱证据,这个基准早已饱和,且与PDB训练数据重叠严重。对接和筛选上的持平反而更像实话。评估仅为回顾性;真正要看的是修复后的结构在我们自己的系列上是否有用。
📄 原论文 · Journal of Chemical Information and Modeling ↗ CROWN: Curated Repository of Well-Resolved Noncovalent Interactions