TopU-LBVS：面向配体的虚拟筛选真实多靶点基准

面向配体的虚拟筛选（LBVS）是药物发现早期阶段一种实用的初筛工具，但现有基准可能通过随机负样本、易区分的诱饵化合物、有限的靶点覆盖范围以及未标准化的评估协议高估性能。我们提出了 TopU-LBVS，这是一个在困难负样本筛选条件下用于 LBVS 的多靶点基准。基于整理后的 ChEMBL~35 生物活性数据，TopU-LBVS 覆盖 7 个蛋白质类别中的 93 个蛋白质靶点，并以固定的 1:40 活性化合物与诱饵化合物比例，为每个靶点构建具有性质匹配性和结构相似性的特异性筛选库。每个库包含约 400 至 10,000 个化合物，旨在减少简单的理化性质捷径和最近邻指纹捷径。 TopU-LBVS 提供三种固定协议。TopU-LBVS-full 在全部 93 个靶点上评估 ChEMBL$^\ast \rightarrow$ TopU 的泛化能力。TopU-LBVS-low 在困难负样本分布内评估低数据量 TopU $\rightarrow$ TopU 学习。TopU-LBVS-mini 提供一个包含 7 个靶点的紧凑协议，并配套一个成对的随机诱饵对照，仅改变测试诱饵，从而支持低成本开发，并直接测量随机 ChEMBL$^\ast$ 诱饵与 TopU 诱饵之间的差距。在涵盖指纹方法、分子 GNN、指纹混合方法和现代分子模型的 10 个参考基线中，基于随机诱饵的评估所表现出的性能，在困难负样本筛选条件下大幅下降。我们发布了数据、固定数据划分、评估代码和基线实现，以便对未来的 LBVS 方法和分子表征学习方法进行可复现比较。 代码和数据可在 https://github.com/topu-benchmark/topu-lbvs 和 https://huggingface.co/datasets/topu-benchmark/topu-lbvs 获取。