Protein Data Bank (wwPDB)

内容与规模

PDB 是 X 射线、冷冻电镜与 NMR 实验结构的全球档案，由 wwPDB维护。API 实测 261,301 条：X 射线 208,179（79.7%）、EM 37,313（14.3%）、NMR 14,746（5.6%）[1]。按发布年，EM 占比由 2019 年 12.4% 升至 2025 年 40.9% [1]。冷冻电镜 是增速来源，累计占比仍低于 X 射线。

格式与 license

CC0 1.0，商业使用无需署名 [2]。

哪些模型拿它训练或评测

AlphaFold2 训练用截至 2018-04-30 的快照，最终约 25% 样本来自 PDB（二手转述）；AlphaFold3 训练结构不晚于 2021-09-30，以 2022-05 至 2023-01 释放的 8,856 个复合物做近期评测 [5]。时间切分是结构预测评测（含 CASP）的通用做法。

已知偏差与泄漏

偏向易表达、易结晶、折叠良好的蛋白：跨膜蛋白约占序列 20–30%，在 PDB 中不足 2% [4]。仅靠时间切分不足以防泄漏，新实验常复用已有蛋白或配体，见 数据泄漏（训练-测试泄漏）。

来源

1. https://data.rcsb.org/rest/v1/holdings/current/entry_ids (API 实测 2026-10-15)
2. https://www.wwpdb.org/about/usage-policies (2026-10-15)
3. https://cdn.rcsb.org/rcsb-pdb/general_information/news_publications/newsletters/2026q1/deposit.html (2026-10-15)
4. https://arxiv.org/pdf/2307.02171 (2026-10-15)
5. https://pmc.ncbi.nlm.nih.gov/articles/PMC11168924/ (2026-10-15)