建议收藏!免费下载 SGC 蛋白质-配体数据的 3 条宝藏路径

SGC（Structural Genomics Consortium，结构基因组学联盟）作为一个致力于“开放科学”的组织，其核心是将生成的所有数据和研究成果无限制地免费公开（Public Domain）。它的主要目标是为药物研发相关的医学蛋白质提供基础支持。

根据SGC的平台和公开资源，他们目前主要收录、生成并公开以下几类核心数据和资源：

1. 蛋白质三维结构数据 (Protein Structures)

• 结构解析数据：自2003年成立以来，SGC 已经解析并公开了 超过 4,000 个 人类蛋白质的三维结构。这些蛋白质大都是与医学和潜在药物研发相关的
• 公共存取：
   这些结构数据通常会提交到公共数据库中，例如蛋白质数据库 (PDB, Protein Data Bank)。
• 复合物结构：
   包括蛋白质与合成小分子结合的复合物结构（借助英国牛津郡的 Diamond 同步辐射光源合作完成）。

2. 化学探针数据 (Chemical Probes)

SGC 的重点项目是开发“化学探针”，这是一种用于研究特定蛋白质在细胞内功能的小分子抑制剂。他们优先关注那些相对“未被充分研究”的蛋白质家族（暗蛋白质组 / Dark Proteome），探索其在健康和疾病中的作用。过去十年间，SGC 已经向公共领域贡献了 约 120 多种（接近 200 种） 高质量的化学探针。他们不仅公开探针的化学结构信息，还免费向科学界分发了超过 25,000 份探针样本。

3. 生物试剂与实验资源 (Reagents & Protocols)

• 质粒库 (Plasmid Collection)：
   包含了用于表达各种目标蛋白质的质粒载体。科学家可以通过平台（如 Addgene）申请获取来自 SGC 多伦多、牛津、斯德哥尔摩等节点的表达质粒。
• 蛋白质生产方案：
   共享用于纯化和制备特定蛋白质的方法和协议。
• 检测和分析方法 (Assays)：
   开发和公开筛选分析法，例如支持 IDG（Illuminating the Druggable Genome）联盟的 NanoBRET 检测技术等。

4. 数据集与机器学习应用 (AI-Ready Datasets)

为了支持 Target 2035 计划以及计算科学和人工智能（AI）在药物发现中的应用，SGC 正在积极构建兼容机器学习的大规模数据集：

• 蛋白质-配体结合数据 (Protein-ligand binding data)：他们计划利用如亲和选择质谱 (AS-MS) 等技术，为超过 2000 种不同的人类蛋白质生成结合数据，用于训练和测试机器学习模型
• AIRCHECK (人工智能就绪的化学知识库):
   正如前面提到的，提供结构化、高质量的数据，用于优化小分子-蛋白质相互作用的预测模型。
• 基准测试数据集 (Benchmarking Datasets)：
   面向 CACHE、MAINFRAME 等计划开放，提供经过实验验证的靶向结合数据。

5. 生物信息学资源与数据门户 (Bioinformatics Resources)

SGC 维护了多个在线门户，整合其生成的各类结构和化学数据：

• ChemBioPort:
   这是一个在线门户，用于导航和查询人类蛋白质组的结构、功能以及对应的化学抑制剂信息。
• ChromoHub:
   这是一个专门针对染色质相关蛋白质结构和功能数据的导航枢纽。
• (可能还有 UbiHub 等特定靶点的门户网站)。

6. 靶点促成包 (Target Enabling Packages, TEPs)

• TEP 是一种整合资源包，专门针对那些在遗传学上与关键疾病相关联的靶点蛋白质。
• 它汇集了有关该靶点的生化、化学试剂和专业知识，旨在催化科学家对这些新靶点进行早期的探索和表征。