OpenBind 计划联合负责人谈如何填补 AI 药物研发数据缺口
Filling the massive AI drug discovery data gap
OpenBind 计划联合负责人 Charlotte Deane 在 Nature Reviews Drug Discovery 上讨论 AI 药物研发面临的蛋白质-小分子结合数据缺口。OpenBind 旨在建立大规模开放数据集，缓解 AI 模型训练所需结构化结合数据不足的问题。
发生了什么
2026年10月12日，Nature Reviews Drug Discovery 在线发表了对 OpenBind 计划联合负责人 Charlotte Deane 的访谈，核心话题是 AI 药物发现需要更多蛋白质–小分子结合数据。OpenBind 是一个开放科学计划，目标是为基于结构的 AI 和分子发现大规模生成实验数据集[1]；Deane 同时领导牛津蛋白质信息学组（OPIG），是英国及全球生物分子药物发现 AI/ML 领域的代表性人物之一[2]。此前该联盟已发布第一个公开的结构–亲和力数据集[3]，并随之发布了用高质量实验蛋白–配体数据训练的第一个开源预测 AI 模型[4]，描述这次发布的一份预印本于2026年8月28日上线[1]。
为什么重要
这篇访谈把 AI 药物发现的短板从模型方法层面引向数据供给层面：可用于训练的实验测得蛋白–配体结构–亲和力数据不足，正是文章标题所说的巨大数据缺口，而据报道，小分子与蛋白靶点的结合方式正是决定药物在人体内能否真正起效的关键相互作用[5]。对做对接、结合亲和力预测和分子发现的算法团队而言，OpenBind 的公开结构–亲和力数据集[3]和开源预测模型[4]提供了一个不依赖各家封闭内部数据的可复现训练与基准基线。对研发和 BD 决策者，这也提示实验数据生产能力本身正在成为值得评估的资产，而非只有算法平台。
还缺什么
数据集的具体规模（含多少条结构–亲和力记录）、覆盖的靶点范围、模型的评测指标和对比基线、数据与模型的许可条款，以及 OpenBind 的资金来源和后续扩充计划，在目前材料层面均未披露，待确认。下一步看三个节点：OpenBind 首批发布之后的下一轮数据和模型更新（时间待确认）、外部团队用这套公开数据复现或挑战模型性能的结果，以及 Deane 访谈全文中对数据缺口量化规模和解决路线的具体表述。
- 1.The first OpenBind release: An open experimental structure ... · biorxiv.org 2026
- 2.Our Team of Experts · openbind.uk 2026
- 3.Documents and Tools · openbind.uk 2026
- 4.Home | openbind.uk · openbind.uk 2026
- 5.Charlotte Deane | Women in AI at Oxford - MPLS Division · mpls.ox.ac.uk 2026
来源：监管与产业动态 · nature.com