MISATO？
定位 ：面向基于结构的药物发现的蛋白-配体复合物机器学习数据集，开源社区项目，2024年发表于Nature Computational Science。
a、我们构建了一个数据集，该数据集将小分子的半经验量子力学（QM）性质与全部实验蛋白-配体复合物的分子动力学（MD）模拟动力学信息相结合。蛋白与配体命名、质子化状态、几何结构等方面所有常见错误均已修正。分子的蓝色轮廓代表其电子密度。
b、数据集概述，以及半经验量子力学（QM）和力场（FF）分子动力学（MD）模拟所采用的流程，包含数据准备、预处理与人工智能基准模型。
数据集构成
- QM（量子力学子集）：19443个配体，经过筛选优化；提供量子化学属性。
- MD（分子动力学子集）：16972套蛋白-配体模拟结构，每套10 ns分子动力学模拟，刻画体系动态变化。
- 配套：电子密度文件、MD重启/拓扑文件；全部数据集托管在Zenodo，HDF5格式存储，附带训练/验证/测试划分。
AI配套能力
- 原生提供 PyTorch DataLoader + Pytorch Lightning Datamodule，开箱加载数据；
- 内置3个基线模型，可做MD、QM性质以及结合亲和力预测；
- 提供Jupyter Notebook入门教程与推理脚本。
部署方式
两种使用方案：
- 容器化（推荐）：Docker / Singularity镜像，CUDA 11.8；一键拉起环境，避免依赖冲突。
- Conda本地环境：单独创建misato环境安装PyTorch、PyTorch Geometric等；MD推理需要独立conda环境安装ambertools。
项目目标
- 获取高精度配体分子属性；在合理时间尺度表征蛋白配体动态；开发药物发现AI模型。
- 长期目标：扩展至100 ns以上MD模拟、3万+蛋白-配体结构。
- 社区渠道：Discord、Hugging Face Space（可视化、QM预测）。
核心价值
传统药物发现数据集大多是静态晶体结构；MISATO亮点是引入分子动力学轨迹，给AI提供蛋白-配体动态构象，同时搭配量子力学计算标签，非常适合训练基于结构的药物分子预测模型。
侧重点在于drug药物发现，所以是配体数据，不是ppi数据
