发布 omg_prot50_packed 数据集, 应用在 蛋白质序列、生物信息学 领域

本次发布的数据集 omg_prot50_packed, OMGprot50数据集的预分词版本，使用ESM2 tokens并以uint8格式存储。数据集由Tatta Bio整理，每个分片（.bin）包含100,000,000个tokens。数据集还包括用于评估的验证集和测试集，这些集合是通过随机分割10,000个样本创建的，确保了与训练集的非冗余性。测试集还包括自OMG创建以来所有新的Uniprot条目，这些条目在去重后具有转录水平的证据。

查看omg_prot50_packed

Dataset card 内容： 

Files and versions 内容： 

关于 , 国庆学校是一所位于中国的教育机构，专注于提供基础教育服务。学校致力于培养学生的综合素质，注重学术与品德的全面发展。

关于 HuggingFace , Hugging Face是一个机器学习社区协作平台，专注于模型、数据集和应用程序的创建、发现和协作。该平台支持多种数据类型，包括文本、图像、视频、音频和3D数据，并提供开源工具和付费计算及企业解决方案。