L’ensemble de données initial contient plus de 22 millions de paires protéine-ligand.Pour garantir que la similarité de séquence entre l'ensemble d'entraînement et l'ensemble de test est inférieure à 40%, les chercheurs ont examiné et obtenu environ 100 000 paires protéine-petite molécule, et l'ensemble de test contenait 100 poches de protéines.

Cet ensemble de données peut être utilisé pour les études d'interaction entre protéines et petites molécules, en particulier pour évaluer la capacité de liaison des molécules aux poches de protéines.