lhallee/SwissProt

该数据集包含与蛋白质相关的多个特征字段，如序列、酶编号、辅因子、基因本体论、蛋白质家族、翻译后修饰、亚细胞定位、催化活性、动力学、途径、pH依赖性、温度依赖性、功能描述和生物体等。数据集仅包含一个训练集，大小为839485642字节，包含571609个样本。下载大小为354346877字节，数据集大小为839485642字节。

原始信息汇总

数据集概述

数据集信息

特征

• Entry: 字符串类型
• Entry Name: 字符串类型
• Sequence: 字符串类型
• EC number: 字符串类型
• Cofactor: 字符串类型
• Gene Ontology (biological process): 字符串类型
• Gene Ontology (cellular component): 字符串类型
• Gene Ontology (molecular function): 字符串类型
• Pfam: 字符串类型
• Gene3D: 字符串类型
• Protein families: 字符串类型
• Post-translational modification: 字符串类型
• Subcellular location [CC]: 字符串类型
• Catalytic activity: 字符串类型
• Kinetics: 字符串类型
• Pathway: 字符串类型
• pH dependence: 字符串类型
• Temperature dependence: 字符串类型
• Function [CC]: 字符串类型
• Organism: 字符串类型

数据分割

• train: 包含571609个样本，占用839485642字节

数据集大小

• 下载大小: 354346877字节
• 数据集大小: 839485642字节

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*