이 데이터셋은 후난대학교, 중국과학원대학교, 그리고 ByteDance Seed Team이 2025년에 발표한 단백질 생성 데이터셋입니다. 관련 논문 결과는 다음과 같습니다.단백질 복합체 설계를 위한 전 원자 생성 모델".

데이터 세트 구성

• 단일 사슬 단백질 데이터 세트: PDB(18,684), Swiss-Prot(140,769), AFDB(28,041) 데이터베이스에서 수집한 다양한 단백질 유형과 기능을 다루는 187,494개의 샘플이 포함되어 있습니다.
• 다중 사슬 단백질 데이터세트: 2~6개 사슬 단백질 복합체를 포함하는 11,620개의 샘플을 포함하고 있으며, 다중 사슬 모델링을 지원합니다. 이 데이터는 PDB 생물학적 조립 데이터에서 추출되었으며, SAbDab 항체 데이터베이스의 샘플, 길이가 30 미만인 사슬을 포함하는 샘플(펩타이드로 간주), 길이가 2,048을 초과하거나 클러스터 ID가 없는 샘플 등 세 가지 유형의 샘플은 제외되었습니다. 연구진은 훈련 과정에서 다중 사슬 샘플을 무작위로 트리밍했습니다. 384개 이상의 잔기를 가진 샘플은 사슬 간 결합 계면 잔기 쌍을 중심으로 배치하여 가장 가까운 384개 아미노산을 유지했습니다.