cnachteg/duvel

该数据集旨在识别科学文献中的寡基因变异组合，特别是涉及两个基因及其突变的组合，这些组合可能导致遗传疾病。数据集目前仅包含双基因变异组合，即涉及两个基因和至少两个变异的组合。数据集用于二元关系抽取任务，其中实体在文本中被掩码。数据集包含文本分类任务，用于训练模型识别文本中是否存在有效的双基因变异组合。数据集由专家生成，语言为英语，包含训练、验证和测试三个分割。数据集的创建过程包括从OLIDA数据库中检索科学文献，使用PubTator API进行预注释，并通过ALAMBIC平台进行注释。数据集的使用有助于复杂遗传疾病的整理和研究。

原始信息汇总

数据集概述

数据集目的

该数据集旨在识别科学英文文章中的寡基因变异组合，即多个基因及其突变与遗传疾病之间的关系。

数据集内容

目前，数据集仅包含二基因变异组合，即两个基因与至少两个变异之间的关系。

数据集应用

数据集用于二元关系抽取，其中实体在文本中被掩码处理。