이 데이터 세트는 논문에서 가져온 것입니다.DynamicBind: 심층적 등가 생성 모델을 사용하여 리간드 특정 단백질-리간드 복합체 구조 예측이 논문의 훈련 및 테스트 세트는 단백질의 동적 도킹을 예측하는 데 사용되었습니다. 이 논문은 상하이 교통대학교 정솽지아(Zheng Shuangjia) 연구팀이 스타파마슈티컬스(StarPharmaceuticals), 중산대학교 약학대학, 그리고 미국 라이스대학교와 협력하여 발표했습니다. 연구팀은 단백질 "동적 도킹"을 위해 설계된 기하학적 심층 생성 모델인 DynamicBind를 제안했습니다. 이 모델은 초기 알파폴드 예측에서 홀로그램과 유사한 상태로 단백질 형태를 효과적으로 조정할 수 있으며, 알파폴드 이후 시대의 약물 개발을 위해 단백질의 동적 변화를 고려하는 심층 학습 기반 새로운 연구 패러다임을 제시합니다. 본 논문에 사용된 원본 데이터는 공개 데이터 세트에서 가져왔습니다. PDbbind2020이 연구에서 생성된 연구 데이터와 처리된 훈련 데이터는 이 페이지에서 다운로드할 수 있습니다.