colinhorger/small-eukaryote-CDS

该数据集包含序列定义、氨基酸、密码子、生物体名称和谱系等特征。数据集分为训练集、细菌和特定细菌（大肠杆菌）三个部分。训练集包含2562个示例，占用1972202字节；细菌部分也包含2562个示例，占用相同字节数；特定细菌（大肠杆菌）部分包含22251个示例，占用20608687字节。整个数据集的下载大小为7310118字节，总大小为24553091字节。

原始信息汇总

数据集概述

特征信息

• Sequence Definition: 数据类型为字符串。
• AA: 数据类型为字符串。
• Codon: 数据类型为字符串。
• Organism Name: 数据类型为字符串。
• Lineage: 数据类型为字符串。

数据分割

• train: 包含2562个样本，占用1972202字节。
• bacteria: 包含2562个样本，占用1972202字节。
• bacteria_escherichia_coli: 包含22251个样本，占用20608687字节。

数据集大小

• 下载大小: 7310118字节。
• 数据集总大小: 24553091字节。

配置信息

• 配置名称: default
  • 数据文件路径:
    • train: data/train-*
    • bacteria: data/bacteria-*
    • bacteria_escherichia_coli: data/bacteria_escherichia_coli-*