OpenBind — это открытая научная инициатива, направленная на создание крупномасштабных экспериментальных наборов данных для разработки и оценки методов структурного машинного обучения в области молекулярных открытий. Первый публичный релиз OpenBind представляет собой, по данным авторов, крупнейший публичный набор данных структура-аффинность для одной мишени. Набор данных сфокусирован на 2A-протеазе энтеровирусов и включает 925 кристаллографических событий связывания от 699 соединений, а также измерения аффинности для 601 соединения. Данные объединяют структуры из начального фрагментного скрининга и последующих молекул, связывая экспериментально определенные режимы связывания белок-лиганд с биофизическими измерениями в рамках целостной кампании по поиску противовирусных препаратов. Авторы использовали набор данных для оценки предсказания структуры белок-лиганд, предсказания аффинности связывания и виртуального скрининга с помощью репрезентативных структурных методов, включая докинг и кофолдинг. Это выявило несколько ключевых проблем: производительность докинга сильно зависит от конформации кармана связывания, позы сложно ранжировать, а предсказание аффинности на основе структуры остается сложной задачей. Тонкая настройка OpenFold3-p2 на структурах фрагментного скрининга значительно улучшила предсказание поз и виртуальный скрининг для родственных соединений, демонстрируя, как ранние экспериментальные структуры могут поддерживать адаптацию моделей под конкретную мишень. Этот релиз предоставляет исследователям ценный ресурс для разработки и валидации методов структурного ИИ, особенно в области докинга и предсказания аффинности.