NIH 发布 mRNA sequences from five species 数据集, 应用在 生物信息学、基因序列分析 领域

NIH 本次发布的数据集 mRNA sequences from five species, 该数据集包含了从人类、大鼠、小鼠、鸡和斑马鱼中收集的mRNA序列，旨在用于预训练mRNA2vec模型。这些序列经过处理，提取了5非翻译区（5UTR）和编码序列（CDS）区域，并应用了特定的截断方法以避免填充。该数据集规模为51万条序列，平均长度为459个碱基对。其任务是进行mRNA嵌入模型的预训练。

查看mRNA sequences from five species

关于 NIH , NIH是美国国立卫生研究院（National Institutes of Health）的简称，是世界上最大的生物医学研究机构，总部位于美国马里兰州贝塞斯达。NIH的主要任务是开展生物医学研究，支持国内外的研究项目，并且提供健康信息。

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。