UniProtKB 发布 Protein Sequences with Gene Ontology Terms 数据集, 应用在 生物信息学、蛋白质工程 领域

UniProtKB 本次发布的数据集 Protein Sequences with Gene Ontology Terms, 该数据集包含了从UniProtKB数据库中提取的蛋白质序列，根据与分子功能、生物学过程和细胞组分相关的六个选定基因本体（Gene Ontology）术语进行分类。每个属性都配有训练集和评估集，以确保数据之间没有泄露，同时使用几种度量标准（如CLS得分、TM得分、RMSD、pLDDT）来评估生成序列的功能性和结构稳定性。每个属性的训练集包含1万个蛋白质序列，评估集包含10万个蛋白质序列。该任务旨在进行蛋白质序列的生成与评估。

查看Protein Sequences with Gene Ontology Terms

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。