信息速览

数据集名称CSAR — 社区结构-活性资源基准数据集

数据类型实验测定,结构数据,专家整理

规模非患者数据集：2010 基准集 343 个蛋白-配体复合物；CSAR-NRC HiQ 176+167 个复合物（52 靶点多结构+191 单结构）；2012 数据集 6 个蛋白靶点、757 个化合物（

接入方式Binding MOAD 与 PDBbind 精选 PDB 共晶结构 + 实验结合亲和力（Kd/Ki，2010 集剔除仅 IC50 者；2012 集含 IC50）+ 配体 SMILES/MOL2 文件 + 对接 decoy 构象集 + 密歇根大学内部实测物性数据（logD/logP/热力学溶解度/pKa）+ Abbott、GSK、Vertex 捐赠数据（2014 基准为未发表制药数据）

AI 就绪度

CSAR（Community Structure-Activity Resource，社区结构-活性资源）

§0 条目概览

CSAR（Community Structure-Activity Resource，社区结构-活性资源） 是一个面向分子对接（molecular docking）与打分函数（scoring function）研究社区的公开基准数据集系列，由美国密歇根大学（University of Michigan, Ann Arbor）药理学化学系（Department of Medicinal Chemistry）Heather A. Carlson 教授团队在 NIH（美国国立卫生研究院）资助下建立并维护。CSAR 的全称常被译作「社区结构-活性资源」或「社区结构活性资源」，其核心使命是：像工程学科拥有权威数据手册那样，为基于结构的药物设计（structure-based drug design, SBDD）社区提供大规模、高质量、口径一致的结构与亲和力数据，用以开发、参数化和验证配体对接与结合亲和力打分方法。

CSAR 不是一个单一数据集，而是一个不断演化的数据集家族与社区评测体系。其主干包括：

2010 基准实验数据集：343 个高质量蛋白-配体共晶复合物，亲和力跨度达 14 个 pKd 数量级，是 CSAR 首轮社区评测的载体；
CSAR-NRC HiQ 数据集（2010 年 9 月发布，部分文献亦拼作 NCS）：在 2010 基准集基础上经过更严格结构质量复核后的精修版，Set 1 含 176 个复合物、Set 2 含 167 个复合物，并追加 123 个 Set 3 结构；
CSAR 2012 数据集：6 个蛋白靶点、757 个化合物的亲和力与结构数据，融合了密歇根大学内部实测数据与来自 Abbott（雅培）、GlaxoSmithKline（葛兰素史克）、Vertex（福泰制药）的捐赠数据；
2013 与 2014 基准实验：前者将对接、打分与计算蛋白设计合为一个联合挑战，后者首次使用来自制药企业的未发表盲测数据。

在机器学习与深度学习主导亲和力预测建模的今天，CSAR 系列数据集被广泛用作独立外部测试集，与 PDBbind、DUD-E、Binding MOAD、CASF 基准并列，是评价结构驱动药物设计方法泛化能力的经典标尺之一。

§1 名称、身份与定位

2.1 命名与缩写

CSAR 一名来自 Community Structure-Activity Resource 的首字母缩写。在中文语境下，本条目采用「社区结构-活性资源」作为标准译名，术语首现标注英文原文。需要注意的是：

缩写 CSAR 与同为对接评测术语的 CASF（PDBbind 团队提出的对比性打分函数评估方法）不同，两者经常在同一篇综述中被并列讨论；
数据集家族中最常被引用的子集名 CSAR-NRC HiQ 在部分文献中被写作 CSAR-NCS HiQ，这一拼写分歧在社区综述与预印本中均可见到，本条目正文采用出现频度更高的 NRC 拼写，并在「存照与待核」一节说明双口径（见 §10.1）；
「HiQ」即 High Quality 的缩写，指经过人工复核的高质量晶体结构子集。

2.2 官方定位

根据资助 CSAR 的 NIH 招标文件 RFA-GM-08-008，CSAR 的设立目标是「增加可用于配体对接与筛选软件开发、验证和基准测试的高质量公开数据」。Carlson 团队将这一定位具体化为两类数据集需求：

综合型数据集（comprehensive sets）：靶点化合物的结合亲和力（Ki、Ka、Kd 或 IC50，不接受仅百分抑制率数据）跨度 3-8 个数量级，且至少有一个共晶结构，最好包含少量非活性化合物以界定亲和力范围上限；
同系系列（congeneric series）：同一骨架的系列化合物，便于考察打分函数在同一化学系列内部的相对排序能力。

这一「亲和力跨度 + 结构支撑 + 同系系列 + 非活性上限」的四要素组合，成为此后社区数据集设计的常用范式。

2.3 与其他基准的关系

CSAR 的原始复合物直接来自两个更早的数据库：Binding MOAD（Mother of All Databases，「数据库之母」）与 PDBbind。可以说，CSAR 是对二者的一次高质量精筛与社区化再造：先以 Binding MOAD 2006 版中带 Kd/Ki 的 PDB 条目为底池，再辅以 PDBbind 补充，经晶体质量、配体可解释性、亲和力类型等多轮过滤后得到 343 个复合物的 2010 基准集。此后 CSAR 数据链不断更新，并反向回馈生态——其数据可从 bindingmoad.org 下载，BindingDB 亦提供 CSAR 专包的月度快照。因此，CSAR 既是下游消费者（站在 Binding MOAD 与 PDBbind 之上），也是上游供给者（为 ML 亲和力预测模型提供标准测试集）。

§2 历史沿革与项目背景

3.1 时代动因：SBDD 的「数据焦虑」

2000 年代后期，分子对接与打分已成为制药工业命中发现的标准工具，但学术界对方法优劣的比较始终难以收敛。经典的 Warren 等人 2006 年汇总研究（即著名的「对接打分十项弱点」报告）指出的共识是：现有软件在富集坏命中方面或许有效，但没有任何方法能够可靠地对配体按亲和力排序，也无法识别「活性悬崖」（activity cliffs，微小结构变化引起亲和力剧增骤降的现象）。造成这一僵局的关键原因之一是缺乏统一、高质量、跨靶点的评测数据：此前的各项评估各自使用不同的小数据集，方法之间无法公平比较，也无法定位「哪些体系在计算上最难」。

NIH 由此在 RFA-GM-08-008 中明确提出设立一个社区资源的号召，CSAR 应运而生。其主持单位为密歇根大学，项目负责人（PI）为 Heather A. Carlson。

3.2 四轮基准实验的时间线

CSAR 生命周期的骨架是四轮社区基准实验（benchmark exercise）：

轮次	时间	数据	挑战形式	主要论文
第一轮	2010	343 个复合物	晶体姿态直接打分 + 亲和力预测	Dunbar et al., JCIM 2011
第二轮	2011-2012	同系系列盲测	对接 + 同系系列相对排序	Damm-Ganamet et al., JCIM 2013
第三轮	2013	扩展靶点	计算蛋白设计 + 对接 + 打分/排序联合挑战	Smith et al., JCIM 2015
第四轮	2014	制药企业未发表数据	完全盲测的亲和力预测	Carlson et al., JCIM 2016

第一轮基准实验的高潮是 2010 年秋季波士顿美国化学会（ACS）全国会议上的专题研讨会，共有 14 位报告人与开放讨论环节，相关成果以 JCIM（Journal of Chemical Information and Modeling）特刊形式集中发表。这种「数据发布 — 社区提交 — 会议研讨 — 特刊出版」的闭环模式，与同时期 D3R（Drug Design Data Resource）等后继社区评测的做法一脉相承。

3.3 项目终章与数据归档

CSAR 的活跃资助期结束后，其数据集以静态形式继续公开。2026 年 10 月 16 日实测，原官网 csardock.org 已无法访问，但数据仍可通过两条公开渠道获取：其一为 Binding MOAD 官网 bindingmoad.org（Frontiers 综述明确写道 CSAR 相关数据集「can be downloaded from csardock.org or bindingmoad.org」）；其二为 BindingDB 的 CSAR 专包下载页，提供 2D SDF、3D SDF 与 TSV 三种格式的月度打包文件。对于需要复现经典基准的机器学习研究者而言，这两条渠道足以取得全部核心数据。

§3 数据来源与构建方法

4.1 2010 基准数据集：从 2916 到 343

2010 基准数据集的构建是一次高度透明的多级漏斗式筛选，其全过程在 Dunbar 等 2011 年的 JCIM 论文中有完整记录：

第一步：底池确定。 以 Binding MOAD 2006 版为起点，共识别出 2916 个带结合数据的蛋白-配体复合物。Binding MOAD 本身是对 PDB 的系统性爬取与注释，将每个共晶结构与其结合亲和力文献值配对。

第二步：晶体质量过滤。 依据晶体分辨率与结构质量标准筛除低质量条目，保留 1241 个复合物。

第三步：配体可解释性过滤。 剔除杂化态（hybridization states）与键级（bond orders）无法自动推断的配体，以及实验亲和力仅以 IC50 表达的条目（因为 IC50 依赖测定条件，与热力学常数 Kd/Ki 不直接可比），得到 309 个带 Ka、Kd 或 Ki 亲和力数据的复合物。

第四步：版本扩充。 对 Binding MOAD 2007 与 2008 版中新增的 1228 个复合物重复上述流程，新增 230 个合格复合物。

第五步：分组平衡。 将全部复合物划分为 Set 1 与 Set 2，并在此过程中调整部分复合物的归属以平衡两个子集的理化性质分布。初始发布形态为 Set 1 含 242 个条目、Set 2 含 297 个条目，合计 539 个。

第六步：社区反馈修订。 数据发布后，社区参与者对晶体结构进行了更严格的质量复核，导致两个子集规模下调，并修正了若干亲和力数据错误。最终进入 2010 基准实验的正式数据集为 343 个多样化蛋白-配体复合物，亲和力横跨 14 个 pKd 数量级。其中 16 种蛋白拥有三个或更多复合物，研究者可据此构造同系系列开展内部一致性检验。

这一「发布—反馈—修订」的过程本身就是 CSAR 方法论的一部分：Carlson 团队特别强调，大量研究组慷慨参与数据改进，「凸显了支持性协作努力在推动本领域前进中的价值」。

4.2 CSAR-NRC HiQ：高质量精修版

2010 年 9 月，在基准实验结束并对晶体结构实施更严苛的质量评估之后，CSAR 发布了 CSAR-NRC HiQ 数据集，其构成如下：

Set 1：176 个复合物；
Set 2：167 个复合物；
两者合计 343 个复合物，覆盖 243 个蛋白靶点，其中 52 个靶点拥有两个或以上的结构（可考察靶点内构象与打分一致性），191 个靶点仅有单一结构；
Set 3 追加包：此后以与 HiQ 相同的筛选标准，对 Binding MOAD 在 2009 年 1 月 1 日至 2011 年 12 月 31 日之间新增的结构进行处理，追加 123 个复合物。

HiQ 版本被后续综述认定为 CSAR 数据链中「金标准」级别的子集，在 2010 年代中期以后的深度学习亲和力预测论文中，被切割为独立测试集的通常是这 343 个 HiQ 复合物（或其与 PDBbind 去重后的子集）。

4.3 2012 数据集：从公共文献到工业捐赠

如果说 2010 基准集是「文献数据的精筛」，2012 数据集则标志着 CSAR 向其原始愿景——把制药工业级数据带给社区——迈出的第一步。据 Dunbar 等 2013 年论文，CSAR 已从 Abbott、GlaxoSmithKline 与 Vertex 三家公司获得数据捐赠，并叠加密歇根大学的内部项目数据。2012 年 7 月 3 日公开的 2012 数据集包含：

6 个蛋白靶点；
若干同系系列：每个系列横跨 3-4 个数量级的亲和力范围，且（不同于文献惯例）包含少量非活性化合物，为亲和力范围提供上界；
82 个晶体结构（其中 58 个达到 CSAR 质量标准），每个系列配有数个代表性共晶；
逐靶点的对接 decoy（诱饵）集：覆盖全部 58 个 CSAR 质量共晶的活性位点，提供多样化配体构象，供虚拟筛选与姿态识别评测使用。

关于化合物规模存在两个口径：Dunbar 2013 摘要称「647 个化合物带生物学亲和力、82 个晶体结构」；而使用该数据集的 ITScore/STScore 评测论文（PMC3755023）给出更细的分解——「757 个化合物提供 SMILES、508 个有已知亲和力值、185 个被指定为非活性、57 个有蛋白-配体共晶结构」。两个口径并存于文献，本条目按双口径存照处理（见 §10.2），写作时建议标注所引口径。

2012 数据集的另一特色是实验方法论透明：对内部合成化合物，亲和力以三种正交方法（Thermofluor 差示扫描荧光法、Octet RED 生物层干涉法、等温滴定量热法 ITC，取溶解度最佳者）平行测定，使「同一化合物多个测定值」本身成为实验误差的实证度量。此外还测定了 logD、logP、热力学溶解度与 pKa 四类物理性质。这一设计直接引出了 2012 基准实验的核心发现：亲和力绝对值的实验方差可观，预测绝对亲和力在定义上就是不稳定的，而相对排序是计算上更可解的问题——这一结论深刻影响了此后打分函数评估的指标选择。

4.4 2014 基准：真正的盲测

2014 基准实验的数据来自制药企业的未发表内部项目，参与者在提交预测时对实验结果完全不知情。这是 CSAR 系列中最接近「工业级盲测」的一轮，检验的不仅是打分函数本身，还包括从配体结构出发的完整端到端预测流程。结果发表于 Carlson 等 2016 年 JCIM 论文，与 D3R 后续的年度盲测挑战在精神上一脉相承。

§4 数据内容与字段结构

5.1 2010 基准集与 HiQ 集的内容

每个复合物条目包含以下核心要素：

蛋白-配体共晶结构：PDB 来源的原子坐标，经质量复核；
实验结合亲和力：Kd 或 Ki 数值（2010 集剔除了仅 IC50 者），以 pKd/pKi 负对数形式参与统计；
配体结构文件：SMILES 字符串与 MOL2 三维文件，含正确的键级与杂化态；
蛋白序列与靶点注释：便于按靶点聚类与去重。

5.2 2012 数据集的内容

2012 数据集以靶点为组织单元，每个靶点目录下提供：

化合物清单（SMILES、化合物编号、亲和力值与类型 Kd/Ki/IC50、活性/非活性标记）；
同系系列分组信息；
共晶复合物、分离的天然结合态配体与蛋白文件；
由天然结合构象生成的未结合配体构象集（MOL2 格式），供对接搜索算法评测；
部分靶点的物理性质表（logD、logP、热力学溶解度、pKa）。

5.3 对接 decoy 集

2012 数据集为每个靶点构建了「substantial decoy set」（实质性诱饵集）：以多样化构象覆盖整个活性位点，模拟真实虚拟筛选中大量阴性分子的分布。decoy 设计延续了 DUD（Directory of Useful Decoys）的思想——诱饵与活性分子理化性质相近但假设不结合——但 CSAR 的 decoy 是针对每个具体活性位点构象生成的，因而能更敏感地考察打分函数对位姿细节的分辨能力。

§5 任务定义与评测协议

6.1 第一轮基准（2010）：无对接的纯打分

2010 基准实验刻意不要求对接——参与者拿到的是晶体姿态，直接对给定位姿打分并预测亲和力。这一设计排除了不同搜索算法引入的偏差，把「打分函数对实验结构的分辨能力」隔离出来单独评测。参与者被鼓励同时提交「标准方法」与「改进方法」两组结果，以考察参数调整的影响。

评测结果概况（Dunbar 等 2011 年合并评估）：16 个参与组提交了 19 种方法、多次参数变体共 64 组打分。各组与实验值的相关性范围为：

线性相关 R² = 0.58 至 0.12；
Spearman 秩相关 ρ = 0.74 至 0.37；
Kendall τ = 0.55 至 0.25；
中位无符号误差 = 1.00 至 1.68 个 pKd 单位。

三类打分函数——力场型（force-field based）、知识型（knowledge based）、经验型（empirical）——均同时出现高相关与低相关个例，不存在任何方法类型的系统性优势。这一「类型无关」的结论是对当时行业叙事的重要纠偏。

统计合并还定位了 63 个在多数方法下均被差评的复合物与 123 个在多数方法下均被好评的复合物。通过对 400 余项配体与蛋白理化性质做 Wilcoxon 秩和检验，发现差评复合物的配体尺寸与好评组相当，但氢键特征与扭转应变显著不同。这一发现直接为 CSAR 后续数据集设计（特别是 2012 集的同系系列选型）指明了方向：需要构建氢键模式、疏水特征与可旋转键数量各有跨度的系列。

6.2 第二轮基准（2011-2012）：盲测同系系列相对排序

第二轮聚焦相对排序：参与者收到未公布亲和力的同系系列化合物，需先对接再对系列内化合物排序。该轮评测引入了「排序正确率」与「Spearman 相关系数」等对绝对误差不敏感的指标，呼应了第一轮关于实验误差上限的发现。结果发表于 Damm-Ganamet 等 2013 年论文（JCIM 53(8):1853-1870）。

6.3 第三轮基准（2013）：设计-对接-打分联合挑战

2013 年基准将计算蛋白设计纳入同一挑战：参与者在同一靶点上先做蛋白设计或突变预测，再对接与排序配体，考察结合位点改造对方法链路的影响。结果发表于 Smith 等 2015 年 JCIM 论文。

6.4 第四轮基准（2014）：制药盲测

2014 年基准使用 Abbott 等企业未发表项目的数据（参见 Carlson 等 2016，JCIM 56(6):1063-1077），是社区评测从「公开文献复算」走向「真正预测」的关键一步。

6.5 实验误差的天花板

2010 数据集论文给出了一个常被引用的统计结论：由于亲和力测量的固有实验误差，即使不对数据过度参数化，拟合相关系数的上限也约为 R² ≈ 0.9；而使用外部数据训练的方法对数据集打分时，可达上限约为 R² ≈ 0.8。这意味着任何声称在该类数据上 R² 超过 0.9 的方法都应引起警惕——要么过拟合，要么评测协议存在信息泄漏。这一「天花板论证」是 CSAR 对评测方法论的重要贡献，至今仍被用于审视深度学习亲和力预测论文的指标声明。

§6 技术规格与数据格式

7.1 文件格式

结构文件：PDB 格式（共晶坐标）、MOL2 格式（配体三维结构与未结合构象集）；
配体线性表示：SMILES 字符串，键级与杂化态已人工核正；
表格数据：亲和力与化合物清单以表格文件（CSV/TSV 风格）分发，BindingDB 镜像提供 TSV 打包；
二维/三维结构图：BindingDB CSAR 专包提供 2D SDF 与 3D SDF 双格式。

7.2 规模汇总

版本	发布时间	复合物/化合物规模	亲和力口径
2010 基准集	2010	343 个复合物	Kd/Ki（剔除仅 IC50）
CSAR-NRC HiQ	2010-09	Set 1: 176 + Set 2: 167（+Set 3: 123 追加）	Kd/Ki
2012 数据集	2012-07-03	757 个化合物 / 508 带亲和力 / 185 非活性 / 57 共晶（另一口径：647 带亲和力 / 82 晶体）	Kd/Ki/IC50
2014 制药集	2014-2016	未公开完整规模（盲测性质）	制药内部测定

7.3 数据获取渠道

bindingmoad.org：Binding MOAD 官网承接 CSAR 数据集下载（Frontiers 综述明确的官方双通道之一）；
BindingDB CSAR 专包：下载页提供 BindingDB_CSAR_2D/3D SDF 与 TSV 月度打包（2026 年 10 月包体分别约 344 KB、727 KB、128 KB），适合直接读入化学信息学管线；
原官网 csardock.org：截至 2026-10-16 无法访问，历史上有完整的版本下载与使用条款页。

§7 使用案例与影响

8.1 打分函数评测的经典战场

2010 基准之后，CSAR 数据集成为几乎所有类别打分函数改进工作的标准试金石：知识型统计势（如 ITScore、STScore 系列）、经验型函数、以及基于机器学习的组合方法，均在 2010 集或 2012 集上报告姿态分类与亲和力相关性能。PMC3755023 记录的 ITScore/STScore 评测是一个代表性工作流：作者为 CSAR 数据集编写了配体原子规范化、文件批量准备与对接的自动化脚本，并「免费向学术界提供」，侧面说明 CSAR 数据的工程可用性在当时已属上乘。

8.2 深度学习时代的独立测试集

2018 年以来，图神经网络与等变网络主导的亲和力预测模型大量以 CSAR HiQ 为外部测试集。典型做法是：以 PDBbind 通用集训练，再在 CSAR-NRC HiQ 上测试；为避免训练集污染，常先去除与 PDBbind 重叠的复合物。例如 2026 年的一项多层级原子相互作用图网络研究（bioRxiv）将 HiQ 两个子集合并、剔除与 PDBbind 重叠条目后得到 49 个复合物的非重叠外部验证集；MSPANet 等模型亦在 CSAR-HiQ 上报告 RMSE、MAE 与 Pearson R。GitHub 上的开源复现库（如 EHIGN_PLA）把 CSAR 列为标准评测组件，配套 Pearson/Pearson 相关、MSE、MAE 指标与标准数据 schema。CSAR 由此完成了从「社区评测载体」到「社区公共资产」的身份转变。

8.3 方法学遗产

CSAR 留给社区的方法学遗产至少包括：

实验误差上限意识：R² ≈ 0.8-0.9 的天花板论证被广泛引用于审视过热的性能声明；
相对排序优先：2012 集的平行测定证明绝对亲和力方差可观，「排序比回归更可解」成为共识；
非活性上界设计：同系系列中纳入非活性化合物以界定活性范围，被后续盲测挑战（如 D3R、CAMEO 亲和力赛道）继承；
差评复合物归因：以跨方法统计定位「普遍难评」体系（氢键与扭转应变），开启了「按失效模式设计数据集」的思路。

§8 局限性与数据质量讨论

9.1 结构侧局限

2010 集的复合物均来自 PDB 单晶结构，晶体环境下配体结合态可能与溶液态存在偏差（诱导契合、结晶截留构象等）；
早期版本曾有亲和力数据错误，虽在社区反馈后修正，但引用旧版本时需注意版本链（见 §4.1 第六步）；
配体键级与杂化态曾需自动推断，部分天然产物类配体在此环节被剔除，导致数据集在天然产物化学空间的覆盖偏窄。

9.2 亲和力口径局限

2010 集剔除仅 IC50 者保证了热力学常数口径的纯净，但也意味着它不能直接评测「从文献 IC50 混合数据学习」这一更贴近工业现实的场景；2012 集补上了 IC50，但两集混用时必须区分口径；
亲和力测定方法多样（荧光、干涉、ITC 等），不同方法间存在系统性偏移，2012 集以多方法平行测定部分量化了这一点，但 2010 集的文献值无法回溯测定细节。

9.3 覆盖面局限

靶点偏向可结晶的 soluble 蛋白家族，膜蛋白（除个别外）与蛋白-蛋白界面配体覆盖有限；
配体以药物类小分子为主，共价配体、金属有机配体与大环分子代表性不足；
数据捐赠部分（2012/2014）受企业内部项目选择影响，靶点与骨架分布并非社区需求的无偏采样。

§9 获取、许可与引用

10.1 获取渠道与版本链

现行推荐获取路径：BindingDB CSAR 专包（化学信息学管线友好，月度更新）或 bindingmoad.org（结构-亲和力完整包）。版本链梳理：

2010 基准集（343 复合物，含 Set 1/Set 2 初始形态与社区修订形态）；
CSAR-NRC HiQ（2010-09，176+167，后追加 Set 3 123 个）；
2012 数据集（2012-07-03，6 靶点 757 化合物）；
2014 制药盲测集（仅基准实验期间分发）。

10.2 许可说明

CSAR 数据自设立起即为学术界免费使用。原官网设有数据使用免责条款（data disclaimer），要求引用相应论文；由于官网现已不可达，条款全文无法一手核实，使用者应遵循学术惯例引用 Dunbar 2011（数据集构建）、Dunbar 2013（2012 数据集）、Damm-Ganamet 2013（第二轮基准）等原始论文，并以 Binding MOAD 与 BindingDB 现行条款为准。论文本体版权归美国化学会（ACS）。

10.3 核心引用

Dunbar J.B. Jr., Smith R.D., Yang C.-Y., et al. CSAR Benchmark Exercise of 2010: Selection of the Protein-Ligand Complexes. J. Chem. Inf. Model. 2011, 51(9): 2036-2046. doi:10.1021/ci200082t
Dunbar J.B. Jr., Smith R.D., Damm-Ganamet K.L., et al. CSAR Benchmark Exercise of 2010: Combined Evaluation Across All Submitted Scoring Functions. J. Chem. Inf. Model. 2011, 51(9): 2115-2131. doi:10.1021/ci200269q
Dunbar J.B. Jr., Smith R.D., Damm-Ganamet K.L., et al. CSAR Data Set Release 2012: Ligands, Affinities, Complexes, and Docking Decoys. J. Chem. Inf. Model. 2013, 53(8): 1842-1852. doi:10.1021/ci4000486
Damm-Ganamet K.L., Smith R.D., Dunbar J.B. Jr., Stuckey J.A., Carlson H.A. CSAR Benchmark Exercise 2011-2012: Evaluation of Results from Docking and Relative Ranking of Blinded Congeneric Series. J. Chem. Inf. Model. 2013, 53(8): 1853-1870. doi:10.1021/ci400025f
Smith R.D., Damm-Ganamet K.L., Dunbar J.B. Jr., et al. CSAR Benchmark Exercise 2013: Evaluation of Results from a Combined Computational Protein Design, Docking, and Scoring/Ranking Challenge. J. Chem. Inf. Model. 2015, 56(6): 1022-1031. doi:10.1021/acs.jcim.5b00387
Carlson H.A., Smith R.D., Damm-Ganamet K.L., et al. CSAR 2014: A Benchmark Exercise Using Unpublished Data from Pharma. J. Chem. Inf. Model. 2016, 56(6): 1063-1077. doi:10.1021/acs.jcim.5b00523

§10 存照与待核

11.1 NRC 与 NCS 拼写双口径

同行评审综述（Frontiers, 2022）写作 CSAR-NCS HiQ；
预印本与部分后续工作（bioRxiv 2026 等）写作 CSAR-NRC HiQ；
官方原始拼写以 csardock.org 为准，但官网已不可达，无法一手裁定。本条目正文取 NRC（出现频度更高），特此存照。研究者在检索文献时建议两个拼写都试。

11.2 2012 数据集规模双口径

Dunbar 2013 摘要口径：6 个靶点、647 个化合物带生物学亲和力、82 个晶体结构；
ITScore/STScore 评测论文（PMC3755023）口径：757 个化合物（SMILES）、508 个带亲和力值、185 个非活性、57 个共晶；
两口径可能分别对应「带亲和力化合物」与「全部化合物（含无值条目）」的不同统计边界，无法从现有公开材料裁定，并存存照。

11.3 「Ki/IC50 数据」表述的核实结果

部分二级资料将 CSAR 简单概括为「Ki/IC50 数据集」。经一手论文核实：2010 基准集在构建时有意剔除了仅以 IC50 表达亲和力的复合物，仅保留 Ka、Kd、Ki 口径；2012 数据集则明确接受 Kd、Ki、Ka 或 IC50 四类口径但不接受百分抑制率。使用者在混用不同版本时应逐一核对亲和力类型字段。

11.4 遗留疑点

csardock.org 于 2026-10-16 两次抓取均失败，官网是否永久下线、有无官方迁移公告，无法确认；
原官网数据许可条款全文（是否含禁止性条款、署名要求细节）无法一手核实；
2014 制药盲测集的完整规模与靶点清单未见公开汇总，仅有论文层级的描述性统计。

12. 参考资料与外部链接

NIH RFA-GM-08-008 招标文件（CSAR 设立依据）
csardock.org（原官网，现不可达，存档见互联网档案馆历史快照）
bindingmoad.org（现行数据下载渠道之一）
BindingDB CSAR 专包下载页（现行数据下载渠道之二）
Dunbar et al., JCIM 2011, 51(9):2036-2046（2010 数据集构建）
Dunbar et al., JCIM 2011, 51(9):2115-2131（2010 合并评估）
Dunbar et al., JCIM 2013, 53(8):1842-1852（2012 数据集发布）
Damm-Ganamet et al., JCIM 2013, 53(8):1853-1870（2011-2012 基准）
Smith et al., JCIM 2015, 56(6):1022-1031（2013 基准）
Carlson et al., JCIM 2016, 56(6):1063-1077（2014 制药盲测）
Frontiers 综述（Scoring Functions for Protein-Ligand Binding Affinity Prediction Using Structure-based Deep Learning: A Review）§3.2.1 CSAR 小节
ITScore/STScore 评测（PMC3755023，含 CSAR 数据准备脚本附录）

13. 2010 基准实验深度解析

13.1 参与者与方法谱系

2010 基准实验共收到 16 个参与组的提交，涵盖 19 种不同方法及多次参数变体，合计 64 组打分。这一参与规模在当时的社区评测中属于高水准。方法谱系横跨打分函数三大流派：

力场型（force-field based）：以分子力学势能项（范德华、静电、氢键项等）为基础，代表如 GOLD/GoldScore、Glide/SP、AutoDock 系参数；
知识型（knowledge based）：从复合物结构统计中导出原子对距离势，代表如 PMF、DrugScore 一类统计势；
经验型（empirical）：以回归系数组合若干描述符项，代表如 X-Score、PLP 一类拟合函数。

关键发现并非某一流派胜出，而是每一流派内部都同时存在最好的与最差的成绩：最好的方法达到 R² = 0.58、Spearman ρ = 0.74，最差的方法只有 R² = 0.12、Spearman ρ = 0.37。这种「流派内方差大于流派间方差」的格局说明：决定打分成败的不是方法论标签，而是具体参数化、训练数据与实现细节。

13.2 评测的统计设计

合并评估论文在统计上做了两件超出当时惯例的事：

其一，同时使用参数与非参数检验。 线性回归（R²）对量纲与误差分布敏感，Spearman ρ 与 Kendall τ 则只看排序。两套指标并行，可以区分「数值预测差但排序尚可」与「排序本身混乱」两种失败模式。64 组打分在这两类指标上的排名并不一致，说明「用哪个指标」本身就是评测设计的一部分。

其二，以跨方法一致性定义难例。 与其挑单一最好方法来定义难例，CSAR 选择了「多数方法都失败」的 63 个复合物（BADs）与「多数方法都成功」的 123 个复合物（GOODs）作为对照集合，再用 Wilcoxon 秩和检验在 400 多项配体与蛋白理化性质上找显著差异。这种设计把「难评」从轶事变成了可统计的构象。

13.3 GOODs 与 BADs 的理化差异

比较结果显示：

差评复合物的配体尺寸与好评复合物没有显著差异——「分子太大所以难评」这一直觉解释不成立；
氢键特征（数量、模式、供受比）与扭转应变/可旋转键是两组间显著不同的性质；
由此推论：现有打分函数对氢键网络的处理和对配体构象熵/应变代价的估计是共性短板。

这一归因直接转化为 CSAR 的后续行动：2012 数据集的同系系列被有意选为「氢键模式、疏水特征、可旋转键数量各有跨度」的系列，让社区能在受控条件下逐项检验短板。

13.4 对当时行业的冲击

2010 特刊发表的合并评估在社区内产生了持续影响。它以大规模统一数据坐实了此前 Warren 2006 汇总研究的判断：对接程序在姿态复现（2 Å 以内）与虚拟筛选富集上可用，但没有任何方法能对亲和力做可靠排序；nM 级抑制剂不能稳定排在 μM 级之前；活性悬崖不可识别。更重要的是，它给出了建设性出路：数据质量（尤其是氢键与应变敏感体系的高质量数据）是改进的第一杠杆——这正是 CSAR 自身接下来的路线。

14. 靶点与配体的化学空间画像

14.1 靶点覆盖

CSAR-NRC HiQ 的 343 个复合物覆盖 243 个蛋白靶点，其中 52 个靶点有 2 个或以上结构。按功能类别大致分布为（依据文献综述整理，非官方统计）：

激酶类：多个丝氨酸/苏氨酸与酪氨酸激酶共晶，是亲和力跨度最大的家族之一；
蛋白酶类：丝氨酸蛋白酶、金属蛋白酶等；
核受体与转录相关蛋白；
代谢酶与转移酶；
其他可溶性治疗靶点。

16 个拥有三个及以上复合物的靶点（2010 基准集口径）构成「靶点内系列」，可用于考察打分函数在固定蛋白、变化配体情形下的分辨能力——这是对同系系列排序能力的 proxies，也是 2011-2012 轮的先导。

14.2 亲和力分布

2010 基准集的亲和力跨度达 14 个 pKd 数量级（即从毫摩尔级到亚皮摩尔级的跨度），远超多数同类基准（CASF-2016 核心集的跨度约 9 个数量级，Astex Diverse Set 仅 85 个复合物）。跨度大带来的评测后果是：整体相关系数容易被「头部极强结合剂」拉高，因此 CSAR 评估特别强调分段误差（median unsigned error 按 pKd 单位报告，1.00-1.68 个单位相当于约 10-50 倍的亲和力倍数误差）与排序指标。

14.3 配体理化性质

依据 2010 数据集论文的描述与合并评估的检验，配体库整体满足药物类标准（类药五原则量级），并有意识地保持了 Set 1 与 Set 2 之间理化性质分布的平衡。配体尺寸分布均匀（GOODs/BADs 尺寸无差异即是佐证），氢键供受体数、可旋转键数与辛醇-水分配性质在两个子集间被刻意对齐。这一「分组平衡」思想后来在 ML 数据集划分（scaffold split、property-balanced split）中被广泛采纳。

15. 与相邻基准的横向对比

15.1 对比 PDBbind / CASF

维度	CSAR	PDBbind / CASF
数据来源	Binding MOAD + PDBbind 精筛	PDB 全库爬取
规模	HiQ 343；2012 集 6 靶点 757 化合物	通用集数千复合物；核心集 ~285（v2016）
亲和力口径	Kd/Ki 优先（2010 剔 IC50）；2012 含 IC50	Kd/Ki/IC50 混合
质量控制	社区复核 + HiQ 人工精修	自动筛选 + 核心集人工复核
特色	社区盲测实验、工业捐赠数据、decoy 集	核心集与 CASF 系列指标脚本

两者高度互补：PDBbind 胜在规模（适合训练），CSAR 胜在质量与盲测传统（适合测试）。这也解释了「PDBbind 训练 + CSAR 测试」成为 2018 年后 ML 亲和力预测的标准姿势。

15.2 对比 DUD-E

DUD-E（Directory of Useful Decoys, Enhanced）聚焦虚拟筛选富集评测：每靶点活性分子 + 化学性质匹配的诱饵。CSAR 的 decoy 集（2012）思想同源，但有两点不同：其一，CSAR decoy 是针对具体活性位点构象生成的位姿级诱饵；其二，CSAR 同时提供真实亲和力值，可做富集之外的回归评测。部分研究将两者串联：先用 DUD-E 评富集，再用 CSAR 评排序与姿态。

15.3 对比 Binding MOAD 与 BindingDB

Binding MOAD 是 CSAR 的直接上游（结构与亲和力的底池），BindingDB 是 CSAR 的分发渠道与扩展生态。三者的关系可以概括为：Binding MOAD 供料 → CSAR 精修与社区评测 → BindingDB 持续分发并吸收新数据。对使用者而言，若只需要「最多的高质量复合物」，用 PDBbind/Binding MOAD；若需要「经过社区检验的测试集」，用 CSAR HiQ；若需要「最大化学空间覆盖的亲和力数据」，用 BindingDB/ChEMBL。

15.4 对比 D3R 社区挑战

D3R（Drug Design Data Resource, 2015-2022 活跃期）在组织形式上可视为 CSAR 的精神继承者：同样使用制药企业未发表数据做年度盲测、同样以特刊/报告形式汇总社区成绩。D3R 的盲测集来自 Novartis 等企业的持续捐赠，规模与频次超过 CSAR 的 2014 单轮实验。研究 CSAR 历史对理解 D3R 结果的解读框架（绝对误差不可比、排序优先、姿态与亲和力分开评）直接有益。

16. 机器学习时代的评测实践细节

16.1 测试集构建的常见做法

综述与开源复现中，CSAR 作为 ML 测试集的典型处理流程为：

合并 Set 1 与 Set 2（合计 343 个复合物）；
去重：剔除与训练集（多为 PDBbind v2016 通用集）按 PDB ID 或蛋白-配体对重叠的条目；
归一化：亲和力统一转 -log(Kd/Ki)（pK 值），单位混乱是常见事故源；
评测指标：Pearson R、RMSE（pK 单位）、MAE；部分工作额外报告 Spearman ρ 以规避绝对量纲争议。

例如 2026 年的 GMI-Score 系列工作将合并去重后的 49 个复合物用作外部验证集；EHIGN_PLA 等开源库则把 CSAR 与 PDBbind、CASF 组成「训练-核心测试-外部测试」三级评测链。

16.2 数据泄漏风险

使用 CSAR 做测试集时须警惕三类泄漏：

靶点级泄漏：同一蛋白的近同源结构出现在训练集（PDBbind 体量更大，几乎覆盖所有常见靶点家族），使模型「认靶不认配体」；
配体级泄漏：同一配体或其骨架类似物在训练集中以其他靶点形式出现；
晶体重叠：同一 PDB 条目在 Binding MOAD、PDBbind、CSAR 三库中重复登记，未按 PDB ID 去重会直接虚高成绩。

CSAR HiQ 与 PDBbind 去重后仅剩 49 个复合物这一事实本身就说明：两库重叠度极高，「用 CSAR 测 PDBbind 训练的模型」若不做严格去重，几乎等于用训练分布做测试。

16.3 报告口径建议

结合 CSAR 自身的误差上限论证，建议 ML 论文在 CSAR 上报告时：

同时给出 Pearson R 与 Spearman ρ，并声明是否去重及去重标准；
将 RMSE 与 CSAR 实验误差地板（约 0.5-1.0 pK 单位量级，视测定方法而定）对照解读；
避免宣称「超越实验误差上限」的相关系数而不讨论泄漏。

17. 常见问题（FAQ）

Q1：CSAR 与 CASF 有什么区别？
CASF 是 PDBbind 团队提出的打分函数评估流程（含打分能力、排序能力、姿态识别、筛选能力四项测试），附带核心集与脚本；CSAR 是数据集家族与社区评测实验。两者常被并列引用，但一个是评测协议、一个是数据资源。

Q2：应该用哪个版本做外部测试集？
首选 CSAR-NRC HiQ（343 复合物，质量精修），并与训练集做严格去重。2010 基准集的社区修订形态与 HiQ 高度一致，可视为同一代的两个阶段。

Q3：为什么 2010 集不要 IC50？
IC50 依赖测定条件（底物浓度、温育时间等），不是热力学常数，与 Kd/Ki 混用会引入系统偏差。2012 集为了容纳工业捐赠数据重新接纳 IC50，但要求逐条标注亲和力类型。

Q4：数据还能下载吗？官网挂了。
能。两条现行渠道：bindingmoad.org 与 BindingDB 的 CSAR 专包（2D/3D SDF、TSV）。原官网 csardock.org 已无法访问。

Q5：2012 数据集到底有多少化合物？
文献双口径：摘要口径 647 个带亲和力化合物 / 82 晶体；使用论文口径 757 化合物 / 508 带亲和力值 / 185 非活性 / 57 共晶。引用时注明口径即可。

Q6：CSAR 数据可以商用吗？
原始定位是学术界免费使用，官网（现已下线）设有使用免责条款；商用授权需参照 Binding MOAD/BindingDB 现行条款并联系原始团队（密歇根大学 Carlson 实验室）确认，本条目不作法律结论。

Q7：CSAR 有 patient 数据吗？
没有。CSAR 全部为蛋白-配体分子数据，不含任何患者或个体层面信息，本条目 patient_tags 置空。

18. 坑点实录（使用者常见错误）

坑 1：混用 NRC/NCS 拼写找不到数据。 部分论文与工具链索引只认一个拼写，检索时两个都试，下载文件名亦两者兼有。

坑 2：版本链错位。 2010 基准集存在初始形态（Set 1: 242 / Set 2: 297）与社区修订形态（343）两版；引用「343」时须确认对方不是在说初始形态的 539 或 HiQ 的 343（数值巧合地都是 343 的说法来自不同分层），务必核对发布时间戳。

坑 3：亲和力单位灾难。 CSAR 表格中 Kd/Ki 以摩尔浓度给出，pKd 为负对数；直接把 µM 数值当 pK 用会得到数量级荒谬的 RMSE。2012 集还有 IC50 与非活性标记（非活性条目无亲和力值），合并统计前先按 type 字段分组。

坑 4：与 PDBbind 不去重。 CSAR 复合物几乎全部登记于 PDBbind；用 PDBbind 训练后在未去重的 CSAR 上测试，成绩会严重虚高。按 PDB ID 去重后 HiQ 仅余约 49 个复合物可用作严格外部集。

坑 5：把 2012 集的非活性化合物当正样本。 185 个非活性化合物是为了界定亲和力上界而纳入的，其「亲和力字段」为空或标记而非数值；把它们混入回归训练会引入标签噪声，正确用法是作分类上界或过滤。

坑 6：decoy 集误当活性数据。 2012 集的 docking decoys 是阴性构象集，覆盖活性位点但不结合；误加入回归集会把阴性当阳性。decoy 只用于筛选/姿态评测。

坑 7：引用官网失效链接。 2026 年起 csardock.org 不可达，论文与 README 中的旧链接普遍失效；引文应指向 bindingmoad.org 或 BindingDB，网页引用附互联网档案馆快照时间戳。

坑 8：忽略 Set 3 追加包。 HiQ 的 343 之外还有 123 个 Set 3 追加结构（2009-2011 新增 MOAD 结构按同一标准筛出）；部分综述只报 343 导致数据量少计近三成。

19. DAIMS 数据集画像表

维度	内容
数据集名称	CSAR（Community Structure-Activity Resource，社区结构-活性资源）
数据集类型	蛋白-配体结构与结合亲和力基准数据集家族（分子对接/打分评测）
主办机构	密歇根大学药理学化学系（PI: Heather A. Carlson）；NIH RFA-GM-08-008 资助
时间范围	2009 年项目设立至 2016 年基准论文收官；数据静态归档至今
核心版本	2010 基准集（343 复合物）｜CSAR-NRC HiQ（176+167，+Set 3 123）｜2012 数据集（6 靶点 757 化合物）｜2014 制药盲测集
数据内容	共晶复合物坐标（PDB/MOL2）、配体 SMILES、实验亲和力（Kd/Ki/IC50）、同系系列分组、对接 decoy 集、物性表（logD/logP/溶解度/pKa）
数据规模	HiQ 343 复合物/243 靶点；2012 集 757 化合物/508 带亲和力/57 共晶（另一口径 647/82）
亲和力跨度	2010 集横跨 14 个 pKd 数量级；2012 集同系系列各跨 3-4 个数量级
任务类型	亲和力打分与排序、姿态识别、虚拟筛选富集、（2013）计算蛋白设计联合挑战
评测指标	R²、Spearman ρ、Kendall τ、中位无符号 pKd 误差、富集因子
数据来源	Binding MOAD、PDBbind、PDB；Abbott/GSK/Vertex 捐赠；密歇根大学内部测定（Thermofluor、Octet RED、ITC）
许可	学术免费使用；官网条款存疑（官网下线）；经 bindingmoad.org 与 BindingDB 分发
获取渠道	bindingmoad.org；BindingDB CSAR 专包（2D/3D SDF、TSV 月度包）
患者数据	无（纯分子层数据，patient_tags 置空）
关键论文	doi:10.1021/ci200082t；10.1021/ci200269q；10.1021/ci4000486；10.1021/ci400025f；10.1021/acs.jcim.5b00387；10.1021/acs.jcim.5b00523
主要局限	可结晶靶点偏倚、口径版本链复杂、官网失效、2010 集与 2012 集亲和力口径不一致
ML 时代角色	PDBbind 训练模型的标准独立测试集（去重后约 49 复合物严格外部集）

20. 术语表

术语	英文	释义
社区结构-活性资源	Community Structure-Activity Resource	CSAR 全称，NIH 资助的对接打分社区数据资源
打分函数	scoring function	从复合物结构预测结合强度或姿态合理性的数学函数
分子对接	molecular docking	预测配体在蛋白结合位点的结合姿态与强度的计算方法
基准实验	benchmark exercise	CSAR 组织的社区统一评测轮次，共四轮
同系系列	congeneric series	共享同一核心骨架、仅取代基变化的化合物系列
亲和力	binding affinity	配体与靶点结合的强度，常用 Kd/Ki/Ka/IC50 表征
pKd	pKd	亲和力的负对数表示，数值越大结合越强
解离常数	Kd (dissociation constant)	热力学结合常数，CSAR 首选口径之一
抑制常数	Ki (inhibition constant)	抑制剂的热力学结合常数，CSAR 首选口径之一
半数抑制浓度	IC50	条件依赖的抑制活性指标，2010 集剔除、2012 集保留
共晶结构	co-crystal structure	蛋白与配体共同结晶得到的复合物晶体结构
诱饵	decoy	假定不结合但理化性质与活性分子相近的阴性分子
虚拟筛选	virtual screening	用计算方法从化合物库中富集潜在命中分子的流程
基于结构的药物设计	structure-based drug design (SBDD)	以靶点三维结构为指导的药物设计范式
活性悬崖	activity cliff	微小结构变化导致亲和力剧变的化合物对
高质量集	HiQ (High Quality)	经人工复核的 CSAR 精修结构子集
母数据库	Binding MOAD (Mother of All Databases)	PDB 共晶结构+文献亲和力的系统数据库，CSAR 上游
数据捐赠	data donation	制药企业向 CSAR 提供内部化合物与亲和力数据

21. 时间线总览

2008：NIH 发布 RFA-GM-08-008，号召建立高质量公开对接数据资源；CSAR 项目在密歇根大学设立。
2010：首轮基准实验启动，343 个复合物数据集发布；秋季波士顿 ACS 全国会议专题研讨会（14 位报告人）。
2010-09：CSAR-NRC HiQ 数据集发布（Set 1: 176 + Set 2: 167）。
2011：Dunbar 等 JCIM 特刊发表数据集构建（51(9):2036-2046）与合并评估（51(9):2115-2131）。
2011-2012：第二轮基准（同系系列盲测相对排序）；Set 3 追加 123 个结构（覆盖 MOAD 2009-2011 新增）。
2012-07-03：CSAR 2012 数据集公开（6 靶点、757 化合物、82 晶体、逐靶点 decoy 集）。
2013：Dunbar 2013（数据集发布论文）与 Damm-Ganamet 2013（第二轮结果）发表于 JCIM 53(8) 特刊。
2013-2014：第三轮基准（设计-对接-打分联合挑战）；第四轮基准（制药未发表数据盲测）。
2015：Smith 等 JCIM 56(6):1022-1031 发表 2013 基准结果。
2016：Carlson 等 JCIM 56(6):1063-1077 发表 CSAR 2014 结果，项目周期收官。
2018-2026：深度学习亲和力预测兴起，CSAR HiQ 成为标准外部测试集；BindingDB 提供月度 CSAR 专包。
2026-10：原官网 csardock.org 实测不可达；数据经 bindingmoad.org 与 BindingDB 持续可获取。

22. 对 AI-Ready 数据集建设的启示

CSAR 的历程对「AI-Ready 医药数据集」的通用议题有四点可迁移的经验：

其一，口径洁癖是资产。 2010 集宁可用 309 个纯净 Kd/Ki 复合物也不用 2916 个混合口径条目，换来的是 14 个数量级的可信亲和力跨度。ML 团队常抱怨「数据太少」，但更多时候是「标签口径太脏」——CSAR 证明纯净子集的价值高于庞大脏集。

其二，误差天花板要写进文档。 R² ≈ 0.8-0.9 的上限论证让社区对「超人类成绩」保持警惕。AI-Ready 数据集的元数据应包含「本数据标签的测量误差量级」，否则模型评估将失去参照系。

其三，社区反馈是质量引擎。 从 539 到 343 的缩水不是失败而是增值：外部复核发现的结构与亲和力错误被系统性修正。开放数据集应当把「用户纠错记录」视为版本资产而非负债。

其四，分发渠道要超越单一官网。 CSAR 官网下线后数据仍存活，靠的是上游（Binding MOAD）与镜像（BindingDB）的冗余分发。AI-Ready 数据集应设计多渠道归档（含 DOI 版本快照），避免单点失效。

23. 与库内其他条目的互链建议

以下为建议互链点（rid 以库内 DB 实测为准，占位 /0 待回填）：

pdbbind：CSAR 的直接姊妹资源与训练集标配，互链价值最高；
dude / DUD-E：对接 decoy 评测的并行基准，虚拟筛选章节互引；
binding-moad（如库内收录）：CSAR 的上游数据库；
chembl 类条目（如库内收录）：亲和力数据生态的大容器；
gcj 系列分子生成/性质预测基准（如库内收录）：药物发现评测生态的横向参照。

互链原则：CSAR 作为「质量精选的评测标尺」，与「规模取胜的训练资源」（PDBbind/ChEMBL）形成训练-测试互补叙事；与「阴性分子资源」（DUD-E）形成正负样本互补叙事。

24. 引用本条目

如需引用本百科条目，建议格式：

千方病案医数集编辑部. CSAR（社区结构-活性资源）基准数据集条目. AI-Ready Wikipedia. https://www.qianfanghub.com/ai-ready-dataset/csar/1081（发布年份）。

学术研究引用 CSAR 数据时，请以 §9.3 所列六篇 JCIM 原始论文为准，并注明所用版本（2010 基准集 / CSAR-NRC HiQ / 2012 数据集）与获取渠道。

25. 四轮基准实验逐轮详述

25.1 第一轮（2010）：制度设计的样板

第一轮基准实验的意义远超一次评测本身，它为后续十余年的社区评测建立了制度模板：

数据准备阶段。 Carlson 团队在 2009-2010 年间完成了 §4.1 所述的六步筛选漏斗，并在数据发布后主动邀请参与者纠错。值得注意的是，团队没有把纠错视为「发布即冻结」——社区反馈直接触发了晶体质量复核与亲和力修正，数据集因此从 539 缩至 343。这种「发布 beta 版、靠社区打磨到正式版」的做法在当时是罕见的，后来成为社区挑战（如 CAPRI、CAMEO）的常规操作。

任务设计阶段。 参与者被要求提交两类结果：标准方法打分与改进方法打分。这一「自对照」设计让每组的参数敏感性可以被独立考察，而不必依赖跨组比较。任务不要求对接（pose 已给定），把评测聚焦在打分函数本身。

结果发布阶段。 2010 年 9 月波士顿 ACS 全国会议的半天专题研讨会汇集了 14 位报告人，随后全部成果进入 JCIM 2011 年 9 月特刊（51 卷 9 期），包括数据集论文、合并评估论文与各参与组方法论文。特刊的同侪评审确保了评测结论经受了正式发表检验。

遗留结论。 第一轮的最大收获不是排名，而是三条结构性发现：(1) 方法类型与成绩无系统关联；(2) 氢键与扭转应变是普遍短板；(3) 实验误差封死了相关系数上限。这三条分别指向了第二轮（受控同系系列）、数据建设（2012 集）与评测文化（误差地板意识）。

25.2 第二轮（2011-2012）：从打分到排序

第二轮把重心从「绝对亲和力回归」转向「同系系列相对排序」，动因有二：

第一，第一轮已经证明绝对值预测受实验误差制约（不同测定方法给出的绝对值方差可观）；第二，制药实践中的真实需求是「在这个系列里哪个类似物最强」——先导优化（lead optimization）本质上是排序问题。

数据侧，第二轮使用了 CSAR 的同系系列资源：每个系列 3-4 个数量级的亲和力跨度、少量非活性上界化合物、数个代表性共晶。任务要求参与者先对接（或用给定姿态）再排序。Damm-Ganamet 等 2013 年论文报告的结论包括：相对排序普遍好于绝对回归，但即使在同一系列内部，打分函数仍难以正确处理活性悬崖；晶体结构的细微差异（同一靶点不同共晶）足以改变排序结果，说明打分对结构解析细节的敏感性被长期低估。

25.3 第三轮（2013）：跨界联合挑战

2013 轮的独特之处在于把计算蛋白设计纳入挑战：参与者面对经过改造的结合位点，需要预测序列-结构变化如何改变配体结合。这把对接打分从「静态靶点上的配体排序」扩展到「靶点本身可变」的场景，是社区评测首次系统性地考察蛋白-配体方法链路在靶点工程语境下的表现。Smith 等 2015 年论文总结的结果显示，设计-对接-打分联合任务的误差在每一环节传播放大，单一环节的改进不足以保证端到端可靠——这一「误差传播」视角此后影响了蛋白设计工具链的评估方式。

25.4 第四轮（2014）：工业盲测的里程碑

2014 轮的全部数据来自制药企业（Abbott 等）未发表项目，这在公开社区评测史上属于首批完全盲测的亲和力预测实验之一。与后续 D3R 年度挑战相比，2014 轮的规模较小，但其制度价值重大：它证明了企业愿意在不泄露项目机密的前提下（靶点与化学系列可匿名化处理）向社区释放真实数据，为 D3R 时代的企业数据捐赠模式铺平了道路。Carlson 等 2016 年论文同时报告了盲测成绩与「数据匿名化处理协议」，后者本身即是一份企业-学术界数据共享的操作手册。

26. 亲和力测定方法学背景

理解 CSAR 数据质量，需要了解其亲和力测定技术的谱系：

等温滴定量热（ITC, isothermal titration calorimetry）：直接测量结合焓，无需标记，被视为金标准；但样品消耗大、对溶解度要求高。CSAR 内部数据中「溶解度最佳的化合物」用 ITC 复测。
生物层干涉（BLI，Octet RED 平台）：实时测量结合动力学（kon/koff），可导出 Kd；通量高于 ITC。
差示扫描荧光法（Thermofluor/DSF）：以蛋白热移位间接报告配体结合，通量最高但换算 Kd 的假设较强；CSAR 用作初筛。
文献值（2010 集）：来自原始文献的各种方法（酶抑制、放射性配体竞争、SPR 等），口径异质性最高——这正是 2010 集坚持只收 Kd/Ki、剔除 IC50 的原因。

CSAR 2012 集多方法平行测定的直接产出是一个「同化合物多方法亲和力对照」子集。分析显示同一化合物不同方法测得的绝对值差异可达数倍（对应零点几到一整个 pK 单位），且差异随化合物系列而变。这一实测方差使「中位无符号误差小于 1 个 pK 单位即为接近实验极限」成为社区共识——任何在该精度以下争论方法优劣的论文，都是在测量噪声里分辨信号。

对 ML 使用者的直接建议：在 CSAR 上报告 RMSE 时，小于 0.5-1.0 pK 单位的结果应视为「触及实验地板」，改进空间需在别处（姿态、筛选、外推）寻找；大于 1.5 pK 单位的结果则还有明确提升余地。

27. 配体文件工程细节

CSAR 在配体数据工程上投入的功夫常被低估，这里展开说明对实际使用者重要的细节：

27.1 键级与杂化态

PDB 共晶中的配体电子密度通常不足以唯一确定键级（bond order）与杂化态（hybridization state），自动推断工具在此类问题上错误率高。CSAR 的处理是两步走：先用自动流程过滤「无法可靠推断」的配体（2010 集构建的第三步漏斗），再对保留配体人工核正。这保证了 SMILES/MOL2 文件中每个键级的可信度——而这对 ML 管线至关重要，因为错误的键级会直接扭曲分子图表示。

27.2 质子化状态与互变异构

CSAR 数据分发时保留了测定条件相关的质子化注释，但使用者须注意：共晶 pH 与测定 pH 可能不同，组氨酸质子化、羧酸去质子化等状态选择会影响对接与打分结果。社区实践中常见的做法是按软件默认质子化流程重新处理，此时应记录所用流程以便复现。

27.3 未结合构象集

2012 集为每个共晶配体提供了「未结合构象集」（unbound ligand conformations，MOL2 格式）：从天然结合构象出发生成的构象采样结果。这组数据的用途是评测对接搜索算法——给定构象库，搜索算法能否找回（或接近）天然姿态。它把「姿态识别」（打分能否区分天然与近天然）与「构象搜索」（采样能否产生候选）两个环节解耦，是数据集设计中少见的周到安排。

27.4 decoy 构象集

与未结合构象集配套的是活性位点 decoy 集：为 58 个 CSAR 质量共晶生成的、覆盖整个口袋的多样化构象。decoy 的设计目标是「理化上像配体、位姿上不像天然」——既能考察打分的姿态分辨力，又避免「靠分子大小差异蒙对答案」的退化情形。使用建议：decoy 只用于分类/富集评测，其「不结合」标签是设计假设而非实验事实，禁止进入回归训练。

28. 使用 CSAR 的推荐工作流

以下给出三类典型用户的操作路径：

28.1 打分函数开发者（传统方法）

从 bindingmoad.org 下载 CSAR-NRC HiQ 全包（343 复合物 + Set 3 追加）；
按 §27 处理质子化与键级，统一准备蛋白/配体输入文件；
以晶体姿态直接打分（复现 2010 协议），报告 R² + Spearman ρ + 中位 pKd 误差三件套；
对照 2010 合并评估的历史区间（R² 0.12-0.58）定位自身方法所处分位；
用 BADs/GOODs 思路自查：本方法在氢键密集/扭转应变大的体系上是否系统性失败。

28.2 ML 亲和力预测建模者

以 PDBbind（或自有训练集）训练，CSAR HiQ 作外部测试；
强制去重：按 PDB ID 与序列相似度双重过滤（§16.2 三类泄漏）；
亲和力统一转 pK，亲和力类型字段（Kd/Ki/IC50）分层报告或仅在 Kd/Ki 子集上报主结果；
报告口径：Pearson R、Spearman ρ、RMSE（pK），并声明去重后测试集规模（严格口径约 49 复合物）；
与实验误差地板对照解读（§26）。

28.3 虚拟筛选评测者

下载 2012 数据集（含逐靶点 decoy 集）；
以 57 个共晶做姿态识别测试（天然 vs decoy 构象分类）；
以同系系列做系列内排序测试；
富集指标（EF1%/BEDROC 类）与排序指标分开报告，decoy 不进回归。

29. 数据版本与下载文件对照

按现行获取渠道整理的下载文件形态（BindingDB 月度包为例）：

文件类型	内容	体量级
BindingDB_CSAR_2D SDF	配体二维结构与亲和力注释	~344 KB
BindingDB_CSAR_3D SDF	配体三维构象与亲和力注释	~727 KB
BindingDB_CSAR TSV	表格形态（化合物、亲和力、靶点字段）	~128 KB

（以上为 BindingDB 202610 月度包实测体量，随月度更新浮动。）

Binding MOAD 渠道则提供按 CSAR 版本组织的复合物包（HiQ Set 1/2/3、2012 集），含蛋白-配体共晶坐标。两渠道互补：BindingDB 包适合化学信息学/ML 表格管线，Binding MOAD 包适合需要蛋白结构文件的结构生物学/对接管线。

30. 安全与合规注意事项

非临床数据：CSAR 为体外分子测定数据，不涉及人类受试者、患者隐私或受控健康信息，patient_tags 为空；
生物安全：靶点蛋白与配体均为常规药物发现对象，不含两用性研究内容；
知识产权：Abbott/GSK/Vertex 捐赠的化合物结构进入公开域后，使用者应遵守「学术免费使用」边界；任何超出学术用途的使用（尤其是针对捐赠化合物骨架的衍生开发）建议先确认原始许可条款（官网失效后需联系密歇根大学技术转化部门）；
引用义务：数据再分发时保留原始论文引用与版本标识，是社区资源存续的基本礼仪。

31. 三次文献流变：CSAR 在综述中的形象变迁

追踪 CSAR 在文献综述中的呈现方式，可以清晰看到社区评测文化的变迁轨迹。

31.1 2010-2015：作为「现状测量仪」

第一波引用集中在 2010 特刊之后的五年。此时的综述把 CSAR 定位为「对接打分现状的权威测量」：2010 合并评估给出的 R² 0.12-0.58 区间被反复引用为「业界平均水平」的参照系。这一时期 CSAR 的角色是诊断性的——它回答「我们做得怎么样」，答案是「不怎么样，但有改进路线图」。

31.2 2015-2019：作为「特例检验场」

随着机器学习方法进入打分函数领域（RF-Score 等一代 ML 打分函数的兴起与反思），CSAR HiQ 的角色从「平均水平测量」转向「特例检验」：ML 方法在 PDBbind 上可以做出漂亮的相关系数，但社区很快学会了在 CSAR 上追问「换个独立 curated 集还行不行」。这一时期 CSAR 逐渐与 CASF 核心集并列，成为「第二只靴子」。

31.3 2019-2026：作为「泛化试金石」

深度等变网络与图神经网络的亲和力预测浪潮中，CSAR HiQ 被制度化地写进了评测惯例。Frontiers 2022 综述专设 §3.2.1 小节介绍 CSAR，明确其「PDB 精选 + Binding MOAD/PDBbind 亲和力补充」的血统与下载渠道；bioRxiv 2026 的图网络工作把 HiQ 去重后的 49 复合物作为外部验证的终审环节。CSAR 完成了从「评测实验」到「评测基础设施」的转变——这也是本条目将其纳入 AI-Ready Wikipedia 的理由：它今天的首要用户是机器学习研究者，而非传统对接软件开发者。

32. 打分函数技术谱系中的 CSAR

为了帮助读者理解 CSAR 成绩单的历史纵深，这里简述三代打分函数技术与 CSAR 的交点。

32.1 第一代：手工经验函数与统计势

Glide、GOLD、AutoDock、X-Score、PMF 等方法定义了 1990-2010 年的打分格局。它们的参数来自人工选择与经典回归，训练数据规模在数百复合物量级。CSAR 2010 是第一代方法第一次面对「数百靶点、14 个数量级跨度」的统一考场，成绩分化（同流派内部方差大于流派间方差）暴露了手工参数化的脆弱性：参数在构造者熟悉的靶点家族上工作良好，在陌生家族上失灵。

32.2 第二代：机器学习打分函数

RF-Score、NNScore 等把打分变成监督回归问题，特征为原子对接触计数。这一代方法在 PDBbind 交叉验证中成绩亮眼，但在 CSAR 等独立集上的表现显著缩水，引发了对「ML 打分函数是否在记忆蛋白家族」的系统性讨论。CSAR 在这场讨论中的贡献是提供了与 PDBbind 重叠度可量化的独立集——正是这种「独立但不脱轨」（同一数据宇宙的另一次采样）的性质，让它成为检验泛化的理想标尺。

32.3 第三代：几何深度学习

图神经网络、SE(3)/E(3) 等变网络把蛋白-配体复合物建模为三维图，端到端学习能量面近似。这一代方法的论文几乎标配「PDBbind 训练 + CASF 核心集对比 + CSAR HiQ 外部测试」三段式评测。CSAR 在第三代评测中的实际角色：其一，检验模型对未见过的口袋几何的泛化；其二，检验模型对实验误差地板的尊重（部分论文报告的 RMSE 已接近或宣称突破地板，审查者会要求出示去重证据）。

值得记录的一个技术细节：许多第三代工作在 CSAR 上放弃绝对回归指标、只报排序相关，这实际上是 2012 基准「相对排序更可解」结论的延续——十二年前的实验设计仍然定义着今天的评测礼仪。

33. 社区评测的组织学：CSAR 模式

33.1 资助-学术-工业三方结构

CSAR 的组织结构是一个可复制的三角：NIH 提供稳定资助（RFA-GM-08-008），学术团队（密歇根大学）承担数据整理与评测执行，工业企业（Abbott、GSK、Vertex）捐赠数据但不干预评测设计。这一结构的关键设计在于数据捐赠与结果发布之间设置了时间防火墙——2014 轮的企业数据在盲测结束前不向任何参与者（包括捐赠方）披露实验值，保证了评测的公证性。

33.2 与 D3R 时代的传承与差异

D3R（2015 年起）在组织学上继承 CSAR 三角并放大了工业侧：多年期资助、年度多靶点盲测、企业数据池更大。差异主要在频次与规模——CSAR 是「大事件」模式（四轮、跨六年），D3R 是「年度例会」模式。CSAR 的遗产在 D3R 中清晰可见：指标体系（排序优先）、非活性上界设计、姿态与亲和力分评，全部被 D3R 沿用。

33.3 对其他领域数据集建设的借鉴

CSAR 模式的可迁移要素清单：

资助方-执行方-供数方三方分权，供数方不参与评测规则制定；
发布 beta 数据集并制度化征集纠错；
在评测协议中显式声明标签测量误差与统计上限；
用跨方法一致性定义难例，把「难」从个案变成统计构象；
数据发布与学术出版（特刊）绑定，让评测结论经过正式同行评审。

34. 教学应用场景

CSAR 数据规模适中、口径干净、附带完整方法论文，天然适合教学场景：

化学信息学课程作业：以 HiQ 子集做打分函数复现实验，学生可对照 2010 特刊的历史成绩自评；
数据质量教学案例：2010 集从 539 缩至 343 的版本史是「数据清洗有产出」的最好教材；NRC/NCS 拼写分歧与 2012 集规模双口径则是「二手资料需溯源」的活案例；
ML 实验设计教学：CSAR 与 PDBbind 的去重问题是讲授数据泄漏的完美素材——同一批 PDB 条目在两库中重复登记，未去重的模型成绩虚高是可现场演示的；
科学计量讨论：CSAR 官网失效但数据存活（经镜像渠道）的事实，可用于讨论科学数据的持久标识与归档责任。

35. 扩展 FAQ

Q8：CSAR 数据里有蛋白-蛋白复合物吗？
没有。CSAR 聚焦蛋白-小分子配体体系；2013 轮虽涉及蛋白设计，但配体侧仍为小分子。蛋白-蛋白对接评测请参考 CAPRI 社区实验的资源。

Q9：可以用 CSAR 训练模型吗？
技术上可以，但主流做法是留作测试集：其规模（数百复合物）相对 PDBbind（数千）不占训练优势，而其质量与独立性恰恰在测试环节最值钱。若确需训练（如少样本场景），务必与测试集隔离并声明。

Q10：HiQ 的 Set 1 和 Set 2 有什么区别？
功能上无本质区别——分组源自 2010 基准集构建时的平衡设计（Set 1/Set 2 用于组织社区提交与平衡理化性质分布）。HiQ 阶段两集合计即完整数据集，多数论文直接合并使用。

Q11：亲和力的 Ka 出现在哪里？
2010 集构建漏斗中曾表述为「309 个复合物带 Ka、Kd 或 Ki」；Ka 与 Kd 互为倒数，文献与数据文件中统一以 Kd/Ki 口径分发。检索旧文档时注意 Ka 表述。

Q12：CSAR 与 CAMEO/CASP 有关系吗？
无直接关系。CASP/CAMEO 评测蛋白结构预测，CSAR 评测配体结合预测，两者处于结构生物学的不同赛道；仅在「社区盲测制度设计」层面存在方法论共鸣。

Q13：为什么本条目的 title 里有「csar」括号？
本站条目命名规范为「官方名 (slug)」，slug 为库内唯一标识符，便于与数据库条目一一对应。

Q14：想复现 2010 合并评估的具体数字，需要什么？
需要 2010 基准集修订形态（343 复合物）、原始参与者打分（特刊各方法论文附录）与合并评估论文（doi:10.1021/ci200269q）中的统计协议（R²/ρ/τ/Wilcoxon 检验设定）。

Q15：BindingDB 的 CSAR 包和 Binding MOAD 的 CSAR 包内容一致吗？
不保证逐字节一致：BindingDB 包是其对 CSAR 亲和力数据的吸收与重打包（含 BindingDB 自身字段体系），Binding MOAD 包是结构侧的完整分发。做严格复现时以论文所述版本与渠道为准，并在方法学部分声明获取渠道与日期。

36. 编辑附记与编者守则

36.1 本条目的核验过程

本条目成稿于 2026 年 10 月 16 日，核验流程如下：

三轮网络检索定位一手来源：ACS JCIM 特刊论文（2010 数据集构建、2010 合并评估、2012 数据集发布）、PMC 全文（ITScore/STScore 评测，含 2012 集细粒度口径）、Frontiers 综述（CSAR 小节）、BindingDB 官网下载页（现行分发体量）、bioRxiv 与 DeepWiki（ML 时代用法佐证）；
核心数字（343 复合物、176+167、757/508/185/57、6 靶点、19 方法/64 组打分、R² 0.58-0.12 等）实现至少两源互证；
csardock.org 两次直接抓取失败，按纪律记为遗留疑点而非二手转述官网内容；
三个双口径（NRC/NCS、2012 集规模、Ki/IC50 表述）逐条存照于 §10。

36.2 编者后续维护建议

若 csardock.org 恢复访问或互联网档案馆快照可得，优先补齐官网许可条款全文并将 §10.4 遗留疑点降级为已核实；
若 BindingDB 月度包体量显著变化（如 CSAR 包大幅增长），提示上游数据有更新，应复核版本链；
2012 集规模双口径如获官方澄清（如 Carlson 实验室 FAQ 或更正声明），应更新 §10.2 并消解 §7.2 表格中的双行表述；
库内 pdbbind、dude 等相关条目发布后，回填 §23 互链 rid。

36.3 术语对照的编辑约定

本条目遵循「中文为主、术语首现标英文」的编辑约定：每个关键术语首次出现时以「中文（English）」形式标注，此后使用中文或英文缩写。人名一律保留英文原文；机构名首次给出中文译名并附英文。数字与单位遵循 SI 约定，亲和力单位（nM、µM）保留行业惯例写法。

37. 相关条目导航

蛋白-配体亲和力预测类：PDBbind、CASF 系列、DUD-E
化学信息学资源类：BindingDB、ChEMBL、Binding MOAD
社区评测类：CAPRI、CASP、D3R
药物发现数据类：PubChem BioAssay 类资源

（以上条目在本站的收录情况与访问路径以站内导航为准；rid 占位见 §23。）

38. 免责声明

本条目为百科性质的二手整理，写作时点为 2026 年 10 月 16 日。数据获取渠道、许可条款与文件体量可能随时间变化，使用数据前请以 bindingmoad.org 与 BindingDB 当前页面为准。本条目不对数据的具体使用结果（包括但不限于模型性能、对接结果）作任何担保；学术引用请以 §9.3 所列原始论文为准。

39. 数据字典：核心字段速查

以下按 BindingDB TSV 包与 CSAR 原始表格文件的常见字段整理，供管线开发者快速对接。字段名以实际下载文件为准，此处给出语义定义与处理建议。

39.1 化合物与亲和力表字段

字段语义	类型	处理建议
化合物标识	字符串	保留原始 ID，勿重排，便于与晶体文件对应
SMILES	字符串	直接可读入 RDKit 等工具；键级已核正
靶点名称	字符串	注意靶点别名（基因名/蛋白名混用），建议按 UniProt 归一
亲和力数值	浮点	以摩尔浓度为单位的 Kd/Ki（部分 IC50）；换算 pK 前先确认单位列
亲和力类型	枚举	Kd / Ki / IC50 / Ka；统计前分组
活性标记	枚举	active / inactive；非活性条目亲和力字段为空或占位，勿入回归
测定方法（部分版本）	字符串	Thermofluor / Octet RED / ITC / 文献值；用于误差分层
物性字段（2012 内部数据）	浮点	logD、logP、热力学溶解度、pKa；可直接作协变量

39.2 结构文件组织

文件	内容	用途
复合物 PDB/MOL2	蛋白-配体共晶坐标	姿态打分、结构分析
分离蛋白文件	仅蛋白坐标	重新对接的受体准备
分离配体文件	天然结合态配体	姿态参照（RMSD 计算基准）
未结合构象集	配体构象采样 MOL2	对接搜索算法评测
decoy 构象集	活性位点阴性构象	虚拟筛选/姿态分类评测

39.3 单位换算速查

pKd = -log10(Kd[M])；1 nM 对应 pKd = 9.0，1 µM 对应 6.0；
中位无符号误差 1.0 pKd 单位 ≈ 10 倍亲和力倍数误差；1.5 单位 ≈ 32 倍；
跨度 14 个 pKd 单位 ≈ 从 100 mM 级到 10 fM 级的理论区间（数据集实际分布集中于 2-12 pKd 区段）。

40. 结构质量评估方法学

CSAR 的「HiQ」标签背后是一套可描述的结构复核流程，理解它有助于判断数据在下游任务中的可信边界。

40.1 分辨率与电子密度

晶体结构的分辨率（resolution）是最粗粒度的质量指标，但 CSAR 的复核远不止看分辨率数字：配体结合位点的局部电子密度是否清晰支持配体的结合姿态，才是打分评测的关键。一个整体 2.0 Å 的结构，其配体区域电子密度可能清晰如刻，也可能模糊难辨——后者会让「以晶体姿态为真值」的打分评测失去锚点。CSAR 的社区复核正是动员了参与者对可疑配体密度做逐一检查，这在 2010 集修订中直接导致条目下调。

40.2 配体姿态的可信度分级

实践中的经验法则（社区通行的解读框架）：

电子密度清晰的配体：姿态与亲和力双可信，适合姿态识别与回归双评测；
密度可辨但构象存疑的配体：亲和力可信、姿态存疑，适合回归评测、谨慎用于姿态基准；
密度弱或配合基团未建模的配体：建议剔除或仅作粗粒度统计。

CSAR HiQ 的筛选目标是把第一类最大化，但使用者仍应在自身评测前按上述分级复核关键条目——尤其在姿态识别任务中。

40.3 对称与多拷贝问题

同一非对称单元中出现多个配体拷贝、或晶体含多个构象态配体的情形，会引入「哪个拷贝才是正确真值」的歧义。CSAR 数据组织按 PDB 条目为单位，多拷贝情形的处理以原始结构解析为准；使用者构造姿态评测集时应显式选择参考拷贝并记录选择依据。

40.4 与 PDB 结构更新的联动

PDB 条目会随重新精修而更新坐标。CSAR 数据集是时点快照，其坐标与当前 PDB 版本可能存在差异。严格复现历史评测时，应使用 CSAR 发布时的坐标（数据包内附），而非从 PDB 现拉——这一细节是许多「复现成绩对不上」的隐性原因。

41. 统计评测方法补充说明

41.1 为什么 2010 评估用 Wilcoxon 而不是 t 检验

GOODs/BADs 的理化性质比较面对的是非正态、量纲混杂的 400 余项性质分布，Wilcoxon 秩和检验不依赖分布假设，适合这种「大规模性质筛查、只问有没有显著差异」的场景。这一选择本身是评测方法学的示范：性质筛查阶段用非参数检验控住假阴性，事后解读再聚焦显著性质（氢键、扭转应变），避免在数百次比较中过度解读个别 p 值。

41.2 相关系数的选择逻辑

R²（线性回归决定系数）：对量纲、离群点敏感，适合回答「数值预测有多准」；
Spearman ρ：只看单调排序，对非线性单调变换不敏感，适合回答「排序对不对」；
Kendall τ：对样本量与并列值更稳健，小样本（同系系列内部）评测的首选。

2010 合并评估三指标并报的原因正是：64 组打分在三类指标上的排名不完全一致，单指标会产生方法偏置。这一实践已被后续社区评测普遍继承。

41.3 中位无符号误差的意义

中位数比均值更抗离群点：少数几个「灾难性预测」会淹没均值，而中位误差稳定反映「典型误差水平」。pKd 单位的中位误差还有直观解释力（1 单位 = 10 倍浓度误差），便于与实验误差对照。建议在 ML 论文中以「中位误差 + 分位数区间」替代单纯的均值 RMSE。

42. 从 CSAR 看亲和力预测任务的分层

CSAR 的设计隐含了一个任务分层框架，对今天的 ML 工作仍有指导意义：

层级	任务	输入	难度	CSAR 载体
L1	姿态打分	晶体姿态	最低	2010 集
L2	系列内排序	同系系列 + 共晶	中	2011-2012 轮
L3	跨系列亲和力回归	结构 + 化合物	高	2010 集 / 2012 集
L4	盲测端到端预测	未发表数据	最高	2014 轮

不同层级的成绩不可直接比较：L1 上 R²=0.6 的方法在 L4 上可能退化为接近随机。论文报告成绩时声明任务层级，是解读可比性的前提——这也是 CSAR 实验设计留下的评测语法。

43. 历史语境：NIH 数据共享运动中的 CSAR

CSAR 诞生于 NIH 推动生命科学数据共享的政策周期。RFA-GM-08-008 的表述——「提高可用于配体对接与筛选软件开发、验证和基准测试的高质量公开数据的数量」——折射出当时 NIH 对结构生物学工具链的判断：算法已经过剩，可比的数据才是瓶颈。CSAR 是这一判断在药物发现工具链上的落地，同一政策周期还催生了其他数据资源类资助。从更长的历史尺度看，2000 年代 NIH 的数据资源投资（PDB 运营、Binding MOAD 等学术数据库、CSAR 这类资源中心）为 2015 年后的 AI for Science 浪潮准备了原料——CSAR HiQ 今天作为 ML 测试集的使用方式，正是当年「数据即基础设施」政策逻辑的延迟兑现。

44. 可复现性清单（Reproducibility Checklist）

复现基于 CSAR 的评测时，逐项核对：

版本声明：使用 2010 修订集 / HiQ（含不含 Set 3）/ 2012 集，逐一写明；
口径声明：亲和力类型分组（Kd/Ki vs 含 IC50），非活性处理方式；
去重声明：与训练集的 PDB ID 与序列相似度双重去重标准及结果规模；
结构来源声明：使用数据包坐标还是现拉 PDB（两者可能不同，见 §40.4）；
质子化流程声明：所用工具与参数（§27.2）；
指标组声明：R² + Spearman ρ + 中位误差三件套，任务层级标注（§42）；
误差地板对照：结果与实验误差量级的对照解读（§26）；
随机性声明：split 种子与重复次数（若涉及再划分）。

以上八项齐全的评测，才是 CSAR 作为「社区公共资产」所期待的使用方式。

45. 扩展术语表（续 §20）

术语	英文	释义
键级	bond order	化学键的级数（单/双/三键），晶体解析常需人工推断
杂化态	hybridization state	原子轨道杂化类型（sp/sp2/sp3），决定局部几何
质子化状态	protonation state	分子在给定 pH 下的质子得失状态，影响结合与打分
互变异构	tautomerism	质子与双键位置的可迁移异构现象
分辨率	resolution	晶体结构解析的空间分辨精度（Å）
电子密度	electron density	X 射线衍射重建的密度图，配体建模的物理依据
姿态识别	pose prediction	预测配体在口袋中的三维结合姿态
富集因子	enrichment factor	虚拟筛选前部命中率相对随机的倍数
先导优化	lead optimization	对命中骨架做类似物改造以改善性质与活性的阶段
构象采样	conformational sampling	生成分子低能构象集合的过程
参考态问题	reference state problem	统计势推导中需为「非结合状态」建模的理论难题
诱导契合	induced fit	配体结合引起靶点构象变化的现象
类药五原则	Rule of Five (Lipinski)	口服药物类分子的经验判据组合
骨架划分	scaffold split	按分子骨架聚类划分训练/测试集以模拟外推场景
数据泄漏	data leakage	测试信息以任何渠道进入训练过程造成的评估失真

46. 给数据集编目者的元数据模板

以 CSAR 为例，一个结构-亲和力数据集的 AI-Ready 编目应至少包含以下元数据槽位（本条目 frontmatter 即按此逻辑组织）：

身份层：官方名、缩写、slug、译名、与相邻资源的上下位关系；
来源层：上游数据库、原始论文 DOI、资助标识（RFA-GM-08-008）；
规模层：复合物数、靶点数、亲和力跨度、版本链各节点规模（含双口径存照）；
任务层：任务分层（L1-L4）、评测指标组、历史成绩区间；
获取层：现行渠道、文件格式、包体量、官网失效记录；
许可层：使用边界、条款存疑状态、引用义务；
质量层：复核流程、已知错误修正史、标签测量误差量级；
局限层：覆盖偏倚、口径差异、泄漏风险提示。

47. 大事记与版本演进图（文字版）

2008  NIH RFA-GM-08-008 发布
  │
2009  CSAR 项目设立（密歇根大学 Carlson 团队）
  │
2010  首轮基准实验 · 343 复合物数据集
  │
2010.09  CSAR-NRC HiQ 发布（176 + 167）
  │
2011  JCIM 特刊：数据集构建 + 合并评估（R² 0.12-0.58）
  │
2011-2012  第二轮基准（同系系列盲测）· Set 3 +123
  │
2012.07.03  2012 数据集发布（6 靶点 · 757 化合物 · decoy 集）
  │
2013  JCIM 53(8) 特刊（第二轮结果 + 数据集论文）
  │
2013-2014  第三轮（设计-对接-打分）· 第四轮（制药盲测）
  │
2015-2016  JCIM 发表第三、四轮结果 · 项目周期收官
  │
2018-2026  ML/DL 时代：HiQ 成为标准外部测试集
  │
2026.10  官网 csardock.org 不可达 · 数据经 bindingmoad.org /
         BindingDB 持续分发

48. 一页速览（TL;DR）

是什么：NIH 资助、密歇根大学主持的蛋白-配体对接打分基准数据集家族（2009-2016 活跃期）。
核心资产：343 复合物的 2010 基准集 / CSAR-NRC HiQ（176+167，+123 追加）；6 靶点 757 化合物的 2012 集；四轮社区盲测实验。
关键数字：14 个 pKd 数量级跨度；19 方法 64 组打分；R² 0.12-0.58；实验误差上限 R²≈0.8-0.9。
为什么重要：确立了「相对排序优先」「误差地板意识」「跨方法一致性定义难例」三大评测范式；今天是 ML 亲和力预测的标准外部测试集。
怎么获取：bindingmoad.org 或 BindingDB CSAR 专包（原官网已失效）。
最大陷阱：与 PDBbind 不去重（成绩虚高）、亲和力单位与口径混乱、2012 集非活性条目误入回归。

49. 靶点家族应用注记

CSAR HiQ 的 243 个靶点覆盖多个蛋白家族。本节按家族给出使用注记（注：逐靶点清单以数据包为准，此处为面向使用者的经验性归类，不替代官方清单）。

49.1 激酶类

激酶共晶在 CSAR 中数量可观，其价值在于：

同一激酶常有多个不同配体共晶，可直接构造「固定靶点、变化配体」的排序子任务；
激酶口袋的高度保守性使其成为检验「模型是否靠识别口袋类型作弊」的敏感场景：若模型在训练集见过某激酶家族，其在 CSAR 同家族条目上的成绩需谨慎解读；
激酶配体的 Type-I/Type-II 结合模式差异是姿态识别的天然难度分层。

49.2 蛋白酶类

丝氨酸与金属蛋白酶的 CSAR 条目通常带清晰的氢键网络（催化三联体/锌结合水），是检验打分函数氢键项的天然考题——呼应 2010 合并评估对氢键短板的诊断。金属配位（如锌蛋白酶）是多数力场打分的弱项，使用者应预期这类条目在差评组中的高出现率。

49.3 核受体与疏水口袋靶点

疏水主导口袋的靶点对打分函数的静电/去溶剂化项提出相反方向的考验。CSAR 的理化平衡设计保证这类条目不会被配体尺寸差异干扰——差评更可能反映打分对疏水与去溶剂化效应的真实缺陷。

49.4 使用建议的统一原则

无论家族：先按靶点聚类、再按任务分层（§42）、最后在家族内与家族间分别统计成绩。跨家族平均分容易掩盖「家族级系统性失败」，而后者才是方法改进的真正路标。

50. 管线集成示例（伪代码级）

以下给出读入 CSAR 数据的管线骨架（语言无关的伪代码风格，避免绑定特定工具版本）：

# 步骤 1：读入亲和力表
table = read_tsv("BindingDB_CSAR_*.tsv")
table = parse_affinity(table,
                       value_col="affinity_value",
                       unit_cols=["Kd","Ki","IC50"],   # 单位/类型分开
                       inactive_flag="inactive_flag")

# 步骤 2：口径过滤
core = table[table.affinity_type.isin(["Kd","Ki"])]     # 主结果集
full = table                                            # 含 IC50 敏感性分析集

# 步骤 3：pK 归一化
core["pK"] = -log10(core.affinity_value_molar)

# 步骤 4：去重（以 PDBbind 训练集为例）
overlap_pdb = set(train.pdb_ids) & set(csar.pdb_ids)
csar_ext = csar[~csar.pdb_id.isin(overlap_pdb)]
csar_ext = filter_by_sequence_identity(csar_ext, train, cutoff=0.9)

# 步骤 5：评测
report(correlation(core_ext.pK, pred),   # Pearson R
       spearman(core_ext.pK, pred),      # Spearman rho
       median_abs_error(core_ext.pK, pred),  # 中位 pK 误差
       n=len(core_ext))                  # 必须报告去重后规模

要点注释：

步骤 2 必须显式：主结果与敏感性分析分开报告，是处理 Kd/Ki 与 IC50 混口径的标准姿势；
步骤 4 双重去重：PDB ID 精确匹配 + 序列相似度阈值（常见 0.9 或 0.95），缺一不可；
步骤 5 报告 n：去重后测试集规模是审查者判断成绩可信度的第一参数。

51. 常见复现事故与排查

根据社区讨论与开源 issue 的常见模式，整理事故-排查对照表：

现象	可能原因	排查方向
RMSE 异常巨大（>5 pK）	单位没转摩尔浓度 / 非活性条目混入	检查单位列与 inactive 过滤
Pearson R 高得离谱（>0.95）	与训练集未去重 / pK 与 Kd 混算	复查去重清单与换算方向
成绩与论文对不上	结构版本不同（包内坐标 vs 现拉 PDB）	统一用数据包坐标
姿态识别成绩接近随机	质子化流程改变了口袋静电	固定并记录质子化协议
靶点数对不上 243	Set 3 追加包遗漏 / 多结构靶点计数口径	区分复合物数与靶点数口径
拼写检索无结果	NRC/NCS 单一拼写检索	两种拼写都试（§11.1）

52. 与同类资源的选用决策树

面对「该用哪个基准」的选择，给出文字版决策树：

你的任务是什么？
├─ 训练亲和力回归模型
│   ├─ 训练集：PDBbind 通用集（规模优先）
│   └─ 测试集：CSAR-NRC HiQ（严格去重后）+ CASF 核心集（社区可比）
├─ 评测打分函数（传统方法）
│   ├─ 复现历史对照：CSAR 2010 修订集（对照 2010 特刊区间）
│   └─ 现代横向对比：CASF-2016（有官方脚本与指标）
├─ 评测虚拟筛选
│   ├─ 大规模富集：DUD-E
│   └─ 位姿级 decoy：CSAR 2012 decoy 集
├─ 系列内排序能力
│   └─ CSAR 2012 同系系列（唯一提供活性上界的公共资源之一）
└─ 盲测式评估
    ├─ 历史方案参考：CSAR 2014
    └─ 现行机制：D3R 归档数据 / 自组织盲测

53. 长期维护与社区现状观察

53.1 资源生命周期状态评估

按数据资源生命周期（活跃-静态-失效）分级，CSAR 现处于静态存续阶段：数据不再更新，但通过两个镜像渠道稳定可得，引用热度在 ML 时代不降反升。这一状态对使用者的含义：不会有官方纠错与版本更新，任何数据质量问题的处理责任完全转移到使用者侧——因此 §44 的可复现性清单比活跃期资源更加必要。

53.2 单点失效风险

bindingmoad.org 与 BindingDB 双渠道互为冗余，但两者都依赖学术机构的持续运营。对长期项目（如需要跨年度复现）的建议：下载并自行归档数据快照（含下载日期与包 md5），不把外部渠道当作永久存储。这也是 AI-Ready 数据集条目「获取层」元数据记录包体量与日期的原因。

53.3 后继资源图谱

CSAR 停止活跃运营后的功能继任者：

盲测机制：D3R（已结束，数据归档）、后续各社区挑战；
结构-亲和力数据：PDBbind 持续更新、Binding MOAD 持续更新；
ML 评测惯例：CASF 系列脚本与社区约定。

CSAR 的独特地位在于它是「第一个把这一切串起来」的系统性尝试，后继资源都在其框架的某个方向上做得更深，但没有一个同时保留其全部要素（质量复核 + 社区实验 + 工业捐赠 + decoy 体系）。

54. 编辑性结论

CSAR 的故事可以压缩为一句话：在没有好数据的地方，先造一把公认的尺子。2010 年的 343 个复合物不是当时最大的数据集，却因为三条设计原则成为持久的公共资产——口径纯净（宁缺毋滥的 Kd/Ki 筛选）、误差透明（把实验误差上限写进结论）、反馈开放（把用户纠错做成版本机制）。十二年后的 ML 论文里，那把尺子仍然在量：量的是新模型，量的也是整个领域对「诚实评测」的坚持程度。

对 AI-Ready 数据集的建设者，CSAR 提供的不是一个待爬取的数据源，而是一份数据集治理的操作范式。这也是本条目在数据集本身之外，花费大量篇幅记录其方法论与历史的原因：数据会陈旧，范式不会。

附录 A：十问十答速查卡

CSAR 是数据库吗？ 它更像「精选基准数据集家族 + 社区评测实验」的组合；上游是 Binding MOAD 与 PDBbind，本体是四轮基准实验所用数据的集合与精修版。
最大的子集是哪个？ 按复合物数：2010 基准集/HiQ（343）+ Set 3（123）；按化合物数：2012 集（757 化合物、6 靶点）。
亲和力是什么口径？ 2010/HiQ 只收 Kd/Ki（有意剔除仅 IC50 者）；2012 集收 Kd/Ki/IC50 并逐条标注类型，均不接受仅百分抑制率。
谁资助的？ NIH，依据 RFA-GM-08-008；执行方为密歇根大学 Carlson 实验室。
工业数据从哪来？ Abbott、GSK、Vertex 捐赠；2014 轮全部为未发表盲测数据。
历史最好成绩？ 2010 合并评估中各组最好 R²=0.58、Spearman ρ=0.74；且实验误差把 R² 上限封在约 0.9（拟合）/0.8（外部训练）。
哪个靶点最多结构？ HiQ 中 52 个靶点有两个或以上结构，191 个单结构；2010 集 16 种蛋白有三个以上复合物。
现在从哪下载？ bindingmoad.org 或 BindingDB CSAR 专包（2D/3D SDF、TSV）；原官网 csardock.org 已不可达。
License 是什么？ 学术免费使用；官网条款因下线无法一手核实，引用原始论文即可；论文版权归 ACS。
ML 用它要注意什么？ 与 PDBbind 严格去重（严格外部集仅约 49 复合物）、口径分组、报排序指标、对照误差地板。

附录 B：BindingDB CSAR 包字段实抓存照

以下为 2026 年 10 月 16 日从 BindingDB 下载页实抓的 CSAR 专包文件清单（用于获取层元数据存证）：

文件名（前缀）	格式	体量（202610 包）
BindingDB_CSAR_2D_202610_sdf.zip	2D SDF	344.29 KB
BindingDB_CSAR_3D_202610_sdf.zip	3D SDF	727.49 KB
BindingDB_CSAR_202610_tsv.zip	TSV	128.06 KB

附注：BindingDB 下载页同页提供全库打包（1.66 GB 量级）与各子库（ChEMBL、PubChem、Patents、PDSP Ki、ITC 等）分包，CSAR 为其中独立分包之一；月度更新节奏为每月重打包并刷新文件名中的年月戳。引用下载快照时务必写明年月（如 202610），否则复现无从谈起。

附录 C：核心数字速查表（含来源）

数字	含义	来源
2916	Binding MOAD 2006 底池复合物数	Dunbar 2011 (ci200082t)，转引自 Frontiers 综述
1241	晶体质量过滤后	同上
309	剔除 IC50-only 与配体不可解析后（Ka/Kd/Ki）	同上
230	MOAD 2007/2008 增补	同上
242 / 297	Set 1 / Set 2 初始发布规模	同上
343	2010 基准集修订后规模；HiQ 合计（176+167）	Dunbar 2011；bioRxiv 2026
14	亲和力 pKd 跨度（数量级）	Dunbar 2011 摘要
16	拥有 ≥3 复合物的蛋白数	Dunbar 2011 摘要
52 / 191	HiQ 多结构 / 单结构靶点数	Frontiers 综述
123	Set 3 追加结构数（MOAD 2009-2011）	Frontiers 综述
6 / 647 / 82	2012 集靶点数 / 带亲和力化合物 / 晶体（摘要口径）	Dunbar 2013 (ci4000486)
757 / 508 / 185 / 57	2012 集化合物 / 带值 / 非活性 / 共晶（使用论文口径）	PMC3755023
19 / 64 / 16	2010 参与方法 / 打分组数 / 参与组数	Dunbar 2011 (ci200269q)
0.58-0.12	各方法 R² 区间	同上
0.74-0.37	各方法 Spearman ρ 区间	同上
1.00-1.68	中位无符号误差（pKd 单位）	同上
63 / 123	普遍差评 / 普遍好评复合物数	同上
~0.9 / ~0.8	拟合 / 外部训练的 R² 实验误差上限	Dunbar 2011 (ci200082t)
49	HiQ 去除 PDBbind 重叠后的严格外部集规模	bioRxiv 2026

附录 D：引用格式示例

BibTeX 骨架（六篇核心论文）：

@article{dunbar2011selection,
  title  = {CSAR Benchmark Exercise of 2010: Selection of the Protein-Ligand Complexes},
  author = {Dunbar, James B. Jr. and Smith, Richard D. and others},
  journal= {Journal of Chemical Information and Modeling},
  year   = {2011}, volume = {51}, number = {9}, pages = {2036--2046},
  doi    = {10.1021/ci200082t}
}
@article{dunbar2011combined,
  title  = {CSAR Benchmark Exercise of 2010: Combined Evaluation Across All Submitted Scoring Functions},
  journal= {Journal of Chemical Information and Modeling},
  year   = {2011}, volume = {51}, number = {9}, pages = {2115--2131},
  doi    = {10.1021/ci200269q}
}
@article{dunbar2013release,
  title  = {CSAR Data Set Release 2012: Ligands, Affinities, Complexes, and Docking Decoys},
  journal= {Journal of Chemical Information and Modeling},
  year   = {2013}, volume = {53}, number = {8}, pages = {1842--1852},
  doi    = {10.1021/ci4000486}
}

（其余三篇按同一模板替换题名/卷期页码/DOI：ci400025f、acs.jcim.5b00387、acs.jcim.5b00523。）

附录 E：版本使用对照建议

你的场景	推荐版本	理由
ML 外部测试	CSAR-NRC HiQ（去重）	质量精修 + 社区惯例可比
复现 2010 历史	2010 修订集（343）	与特刊成绩直接可比
虚拟筛选评测	2012 集 + decoy	位姿级阴性资源
同系系列排序	2012 集系列	唯一带非活性上界的公共系列资源之一
化学信息学表格管线	BindingDB TSV 包	字段规整、月度更新
结构生物学分析	Binding MOAD 渠道复合物包	含蛋白结构文件