protein_net

  • 説明

ProteinNetは、タンパク質構造の機械学習用の標準化されたデータセットです。タンパク質配列、構造(2次および3次)、マルチプルアラインメント(MSA)、位置特異的スコア行列(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、隔年で行われるCASP評価に基づいて構築されており、最近解決されたが公的に利用できないタンパク質構造のブラインド予測を実行して、計算方法のフロンティアを推進す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)にまたがる一連のデータセットとして編成され、比較的データが少なくデータが豊富な体制での新しい方法の評価を可能にするデータセットサイズの範囲を提供します。

FeaturesDict({
    'evolutionary': Tensor(shape=(None, 21), dtype=tf.float32),
    'id': Text(shape=(), dtype=tf.string),
    'length': tf.int32,
    'mask': Tensor(shape=(None,), dtype=tf.bool),
    'primary': Sequence(ClassLabel(shape=(), dtype=tf.int64, num_classes=20)),
    'tertiary': Tensor(shape=(None, 3), dtype=tf.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
'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
'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
'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
'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
'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
'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