CopulaDock HiQBind 5K Compact Docking Graphs

本仓库发布 HiQBind 5K operational cohort 的四种 docking baseline pose 图。每个 system 是一个 protein–ligand pair；每个 docking pose 对应一张 graph。所有目录均使用相同的 gnncp_compact_v1 reader/schema，可通过 CompactGraphDataset 按需恢复 PyTorch Geometric Data。

baseline	compact 目录	system	pose graph	shard	tensor 数据量
DiffDock	diffdock_full_v1	4,979	97,988	98	48.2 GiB
AutoDock Vina	autodock_vina_full_v1	4,887	85,824	88	43.0 GiB
MedusaGraph	medusagraph_full_v2	4,887	85,764	44	43.0 GiB
Protenix	protenix_full_v2	4,618	90,354	44	43.0 GiB

其中 hiqbind_5k_v1 是输入 cohort/选择清单的版本；目录名末尾的 v1 或 v2 是 compact 构图与存储实现版本。v2 使用 pooled shard，缓存 system 静态结构，但训练读取接口和图字段与 v1 相同。四种 baseline 的 system 覆盖并不完全一致，比较方法时应先按 system ID 取交集。

新追加的 v2 数据位于：

data/hiqbind_5k_v1/
  medusagraph_full_v2/
  protenix_full_v2/
code/compact_v2_pooled/
docs/COMPACT_V2_USAGE_ZH.md

下载一个方法和对应 reader 的例子：

from huggingface_hub import snapshot_download

snapshot_download(
    repo_id="liofoil/copuladock",
    repo_type="dataset",
    local_dir="copuladock",
    allow_patterns=[
        "code/compact_v2_pooled/compact_graph_dataset.py",
        "data/hiqbind_5k_v1/protenix_full_v2/**",
    ],
)

不要直接把 shards/shard_*.pt 当作 PyG Data 列表读取。完整加载、system-level split 和 graph-to-prediction 对应说明见 v2 中文使用说明；旧 DiffDock/Vina 的说明仍在 v1 中文使用说明。

重要约束：划分训练/验证/测试时必须以 system 为单位，不能把同一 pair 的不同 pose 分到不同 split。本发布不含原始 HiQBind PDB/SDF、原始 docking 输出或模型权重；compact shard 足以训练，但不能仅凭它们回放 docking 流程。

Protenix v2 含 4,457 个原状态 success system，以及 161 个因蛋白对齐质量门限而标记 failed、但已发布有效 pose 的 system。后者的来源状态和逐 pose provenance 保存在 materialization_source_index.json；训练时可按研究设计选择保留或排除它们。