protein_net

• Deskripsi :

ProteinNet adalah kumpulan data standar untuk pembelajaran mesin struktur protein. Ini menyediakan urutan protein, struktur (sekunder dan tersier), multiple sequence alignments (MSA), matriks penilaian posisi-spesifik (PSSM), dan pemisahan pelatihan / validasi / pengujian standar. ProteinNet dibangun di atas penilaian CASP dua tahunan, yang melakukan prediksi buta dari struktur protein yang baru saja dipecahkan tetapi tidak tersedia untuk umum, untuk menyediakan rangkaian pengujian yang mendorong batas metodologi komputasi. Ini diatur sebagai serangkaian kumpulan data, yang mencakup CASP 7 hingga 12 (mencakup periode sepuluh tahun), untuk menyediakan berbagai ukuran kumpulan data yang memungkinkan penilaian metode baru dalam rezim data yang relatif miskin dan kaya data.

• Beranda : https://github.com/aqlaboratory/proteinnet

• Kode sumber : tfds.datasets.protein_net.Builder

• Versi :

  • 1.0.0 (default): Rilis awal.

• Di-cache otomatis ( dokumentasi ): Tidak

• Struktur fitur :

FeaturesDict({
    'evolutionary': Tensor(shape=(None, 21), dtype=float32),
    'id': Text(shape=(), dtype=string),
    'length': int32,
    'mask': Tensor(shape=(None,), dtype=bool),
    'primary': Sequence(ClassLabel(shape=(), dtype=int64, num_classes=20)),
    'tertiary': Tensor(shape=(None, 3), dtype=float32),
})

• Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype	Keterangan
	fiturDict
evolusioner	Tensor	(Tidak ada, 21)	float32
Indo	Teks		rangkaian
panjangnya	Tensor		int32
masker	Tensor	(Tidak ada,)	bool
utama	Urutan(Label Kelas)	(Tidak ada,)	int64
tersier	Tensor	(Tidak ada, 3)	float32

• Kunci yang diawasi (Lihat as_supervised doc ): ('primary', 'tertiary')

• Gambar ( tfds.show_examples ): Tidak didukung.

• Kutipan :

@article{ProteinNet19,
title = { {ProteinNet}: a standardized data set for machine learning of protein structure},
author = {AlQuraishi, Mohammed},
journal = {BMC bioinformatics},
volume = {20},
number = {1},
pages = {1--10},
year = {2019},
publisher = {BioMed Central}
}

protein_net/casp7 (konfigurasi default)

• Ukuran unduhan : 3.18 GiB

• Ukuran dataset : 2.53 GiB

• Perpecahan :

Membelah	Contoh
'test'	93
'train_100'	34.557
'train_30'	10.333
'train_50'	13.024
'train_70'	15.207
'train_90'	17.611
'train_95'	17.938
'validation'	224

• Contoh ( tfds.as_dataframe ):

protein_net/casp8

• Ukuran unduhan : 4.96 GiB

• Ukuran dataset : 3.55 GiB

• Perpecahan :

Membelah	Contoh
'test'	120
'train_100'	48.087
'train_30'	13.881
'train_50'	17.970
'train_70'	21.191
'train_90'	24.556
'train_95'	25.035
'validation'	224

• Contoh ( tfds.as_dataframe ):

protein_net/casp9

• Ukuran unduhan : 6.65 GiB

• Ukuran dataset : 4.54 GiB

• Perpecahan :

Membelah	Contoh
'test'	116
'train_100'	60.350
'train_30'	16.973
'train_50'	22.172
'train_70'	26.263
'train_90'	30.513
'train_95'	31.128
'validation'	224

• Contoh ( tfds.as_dataframe ):

protein_net/casp10

• Ukuran unduhan : 8.65 GiB

• Ukuran dataset : 5.57 GiB

• Perpecahan :

Membelah	Contoh
'test'	95
'train_100'	73.116
'train_30'	19.495
'train_50'	25.897
'train_70'	31.001
'train_90'	36.258
'train_95'	37.033
'validation'	224

• Contoh ( tfds.as_dataframe ):

protein_net/casp11

• Ukuran unduhan : 10.81 GiB

• Ukuran dataset : 6.72 GiB

• Perpecahan :

Membelah	Contoh
'test'	81
'train_100'	87.573
'train_30'	22.344
'train_50'	29.936
'train_70'	36.005
'train_90'	42.507
'train_95'	43.544
'validation'	224

• Contoh ( tfds.as_dataframe ):

protein_net/casp12

• Ukuran unduhan : 13.18 GiB

• Ukuran dataset : 8.05 GiB

• Perpecahan :

Membelah	Contoh
'test'	40
'train_100'	104.059
'train_30'	25.299
'train_50'	34.039
'train_70'	41.522
'train_90'	49.600
'train_95'	50.914
'validation'	224

• Contoh ( tfds.as_dataframe ):