数据集概述
本数据集是用于抗体-抗原结合亲和力预测的综合性数据集，包含蛋白质序列与结构信息，旨在解决现有数据覆盖单一抗原变体的局限，支持开发数据驱动的预测方法。数据集规模大且具有通用性，可用于训练和验证结合亲和力预测模型，提升抗体工程效率。
文件详解
- 文件名称：P2PXML_dataset.zip
- 文件格式：ZIP
- 字段映射介绍：压缩包内包含抗体-抗原结合亲和力预测所需的蛋白质序列数据和结构数据，具体字段需解压后查看，但核心内容为支持结合亲和力预测的序列与结构信息。
数据来源
论文“P2PXML Dataset: Deep Geometric Framework to Predict Antibody-Antigen Binding Affinity”及公开平台https://drug-discovery-entc.github.io/p2pxml/
适用场景
- 抗体工程研究: 用于开发和验证抗体-抗原结合亲和力预测模型，优化抗体设计。
- 药物研发效率提升: 通过预测结合亲和力，减少分子对接、分子动力学等传统技术的计算复杂度，加速候选抗体筛选。
- 深度学习模型训练: 作为大规模通用数据集，支持结构与序列双维度的深度学习模型训练，捕捉蛋白质进化细节。
- 生物信息学分析: 研究抗体-抗原相互作用机制，分析结合亲和力与蛋白质结构、序列的关联。
