protein_net

  • 説明:

ProteinNet は、タンパク質構造の機械学習用に標準化されたデータ セットです。タンパク質配列、構造 (二次および三次)、複数の配列アラインメント (MSA)、位置固有のスコアリング マトリックス (PSSM)、および標準化されたトレーニング/検証/テスト分割を提供します。 ProteinNet は、最近解決されたが公開されていないタンパク質構造のブラインド予測を実行する 2 年ごとの CASP 評価に基づいて構築されており、計算方法論のフロンティアを押し進めるテスト セットを提供します。これは、CASP 7 から 12 (10 年間をカバー) にわたる一連のデータ セットとして編成されており、比較的データが乏しい体制およびデータが豊富な体制における新しい方法の評価を可能にする一連のデータ セット サイズを提供します。

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),
})
  • 機能のドキュメント:
特徴クラス形Dtype説明
特徴辞書
進化的なテンソル(なし、21) float32
ID文章ストリング
長さテンソルint32
マスクテンソル（なし、）ブール
主要なシーケンス(クラスラベル) （なし、） int64
三次テンソル(なし、3) float32
@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 (デフォルト設定)

  • ダウンロードサイズ: 3.18 GiB

  • データセットサイズ: 2.53 GiB

  • スプリット:

スプリット例
'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

protein_net/casp8

  • ダウンロードサイズ: 4.96 GiB

  • データセットサイズ: 3.55 GiB

  • スプリット:

スプリット例
'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

protein_net/casp9

  • ダウンロードサイズ: 6.65 GiB

  • データセットサイズ: 4.54 GiB

  • スプリット:

スプリット例
'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

protein_net/casp10

  • ダウンロードサイズ: 8.65 GiB

  • データセットサイズ: 5.57 GiB

  • スプリット:

スプリット例
'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

protein_net/casp11

  • ダウンロードサイズ: 10.81 GiB

  • データセットサイズ: 6.72 GiB

  • スプリット:

スプリット例
'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

protein_net/casp12

  • ダウンロードサイズ: 13.18 GiB

  • データセットサイズ: 8.05 GiB

  • スプリット:

スプリット例
'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