功能基因序列数据集

随着扩散模型与深度学习结构预测技术的发展，蛋白质从头计算设计正进入可规模化阶段，亟需同时包含设计序列与多维结构评估特征的标准化数据资源以支撑方法评估与模型训练。本数据集汇集了通过从头设计获得的功能蛋白序列及结构计算特征。从头设计流程基于 RFdiffusion、ProteinMPNN 和 AlphaFold2，并结合 PyRosetta 计算界面结合能，记录全部结构评估指标，部分样本附带实验表达标注。数据集可支持生成式蛋白设计方法比较、结构置信度分析及结构感知机器学习研究。