AlphaFold Database 发布 Comprehensive Dataset of Protein Sequences 数据集, 应用在 蛋白质序列、生物信息学 领域

AlphaFold Database 本次发布的数据集 Comprehensive Dataset of Protein Sequences, 该数据集包含了150万个多样化的蛋白质序列，序列长度从50至2048个氨基酸不等，用于训练和评估pLDDT-Predictor模型。为了模型的训练，该数据集被分为训练集（占80%）、验证集（占10%）和测试集（占10%），并且在训练过程中对pLDDT得分进行了标准化处理。这一大规模数据集的任务是预测蛋白质结构质量评估的Plddt得分。

查看Comprehensive Dataset of Protein Sequences

README 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。