AmelieSchreiber/pha_clustered_protein_complexes

---
license: mit
---
This is a dataset of 10,000 interacting pairs of proteins obtained from UniProt,
and clustered using methods explain in [this blog post](https://huggingface.co/blog/AmelieSchreiber/faster-pha). Note,
cluster 0 is over-represented in this dataset and this should be considered when creating train/test splits with this
data.

原始信息汇总

数据集概述

数据来源

• 数据集包含10,000对相互作用的蛋白质，来源于UniProt。

数据处理

• 使用特定方法进行聚类，方法详情参见此博客文章。

注意事项

• 聚类0在数据集中过度代表，创建训练/测试集时应考虑此情况。