Der anfängliche Datensatz enthält mehr als 22 Millionen Protein-Liganden-Paare.Um sicherzustellen, dass die Sequenzähnlichkeit zwischen dem Trainingssatz und dem Testsatz weniger als 40% beträgt, untersuchten und erhielten die Forscher etwa 100.000 Protein-Kleinmolekül-Paarungen, und der Testsatz enthielt 100 Proteintaschen.

Dieser Datensatz kann für Studien zur Interaktion zwischen Proteinen und kleinen Molekülen verwendet werden, insbesondere zur Bewertung der Bindungsfähigkeit von Molekülen an Proteintaschen.