OpenBind拟五年建50万蛋白-配体复合物数据集
先了解这件事
牛津大学教授、OpenBind项目联合负责人Charlotte Deane在《Nature Reviews Drug Discovery》访谈中称，AI在小分子药物发现中尚未复制AlphaFold的成功，瓶颈已从模型转向数量充足、分布合理且同时包含结构与结合强度的数据。OpenBind计划五年内生成超过50万个经实验验证的蛋白质—配体复合物结构，约为现有公开数据规模的20倍。 已公开的首批数据包含来自699种化合物的925个晶体学结合事件，其中601种化合物有配套解离常数测量；首批聚焦肠道病毒A71的2A蛋白酶，以高度相近的柯萨奇病毒A16 2A蛋白酶作为实验替代系统。Deane同时指出，晶体结构只是结合体系的一种观测结果，不等同于细胞内完整状态。 资金方面，Deane称项目第一阶段由英国政府800万英镑拨款启动，盖茨基金会另提供287万美元用于提升数据生成平台通量；初步计划在未来2—3年内将公开的结构—亲和力配对数据规模提升1—2倍。
AI 根据报道生成 · 2 天前更新
报道时间线
沿着报道，了解事件的不同侧面。
- 智药邦精选Nature Reviews Drug Discovery 访谈 OpenBind 负责人 Charlotte Deane：AI 药物发现的数据鸿沟如何填补
牛津大学 Charlotte Deane 在 Nature Reviews Drug Discovery 访谈中介绍其联合领导的 OpenBind 计划，目标是建成全球最大的开放获取药物-蛋白质相互作用数据集，以改进蛋白-小分子结合结构与亲和力预测。
- DrugAINature Reviews Drug Discovery对话OpenBind：以50万复合物结构填补AI药物发现数据缺口
《Nature Reviews Drug Discovery》对话栏目采访牛津大学Charlotte Deane，讨论AI为何尚未在小分子药物发现中复制AlphaFold的成功，核心判断是瓶颈已从模型转向数量充足、分布合理且同时含结构与结合强度的数据。
- 智药邦精选Nature Reviews Drug Discovery对话OpenBind：以开放蛋白质-小分子数据填补AI药物发现缺口
《Nature Reviews Drug Discovery》发表科学记者Asher Mullard对牛津大学教授、OpenBind项目联合负责人Charlotte Deane的访谈，讨论AI为何尚未在小分子药物发现中复制AlphaFold的成功，核心判断是瓶颈已从模型转向数量充足、分布合理且同时包含结构与结合强度的数据。
- DrugIntelOpenBind 联合负责人 Charlotte Deane：AI 药物发现缺的是数据而非模型
牛津大学结构生物信息学家、OpenBind 联合负责人 Charlotte Deane 在 Nature Reviews Drug Discovery 专访中表示，AI 药物发现的瓶颈在于数据而非模型，应重点收集能提升模型性能的数据。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月7日 14:00
- 近 24 小时变化
- -21%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。