proteinmpnn

<p align="center"> <strong> <span style="font-size: 30px;">ProteinMPNN Dataset</span> </strong> </p> ## 数据集介绍 ProteinMPNN 训练样例数据集是面向蛋白质序列设计任务的 PDB 派生结构数据。数据目录为 `pdb_2021aug02_sample`，包含结构索引表、验证和测试 cluster 划分文件，以及按 PDB/chain 组织的 `.pt` 结构张量文件。 本资源用于 `OneScience/ProteinMPNN` 模型的训练数据加载验证、调试训练流程和最小数据预检。模型推理通常不需要这个训练数据集。 ## 仓库说明 本数据集适配 `OneScience/ProteinMPNN`。训练场景需要 `pdb_2021aug02_sample/list.csv`、cluster 划分文件和 `pdb/` 下的 `.pt` 结构数据。 ## 文件说明 核心文件： | 路径 | 说明 | |---|---| | `pdb_2021aug02_sample/list.csv` | chain 索引，表头为 `CHAINID,DEPOSITION,RESOLUTION,HASH,CLUSTER,SEQUENCE` | | `pdb_2021aug02_sample/valid_clusters.txt` | 验证集 cluster 列表 | | `pdb_2021aug02_sample/test_clusters.txt` | 测试集 cluster 列表 | | `pdb_2021aug02_sample/pdb/` | PDB 派生 `.pt` 结构张量文件，当前样例包含 870 个 `.pt` 文件 | 每个链文件通常包含氨基酸序列、原子坐标、mask、温度因子和占有率等字段。 ## 使用说明 ### 文件与下载 ```bash modelscope download --dataset OneScience/proteinmpnn --local_dir ./proteinmpnn_dataset ``` 训练调试需要另行准备模型仓库： ```bash modelscope download --model OneScience/ProteinMPNN ``` ### 数据放置与验证 推荐把下载目录作为数据根目录： ```bash export DATA_ROOT=/path/to/proteinmpnn_dataset python tools/validate_dataset.py --data-root . ``` ProteinMPNN 训练脚本示例： ```bash python train/training.py --path_for_training_data "$DATA_ROOT/pdb_2021aug02_sample" --debug true ``` 训练脚本属于兼容模型仓库，不在本数据集仓库内提供。 ## OneScience 官方信息 | 平台 | OneScience 主仓库 | Skills 仓库 | |---|---|---| | Gitee | https://gitee.com/onescience-ai/onescience | https://gitee.com/onescience-ai/oneskills | | GitHub | https://github.com/onescience-ai/OneScience | https://github.com/onescience-ai/oneskills | ## 限制与许可证 本资源是样例规模数据集，不代表完整 PDB 训练集，主要用于 ProteinMPNN 数据加载、训练调试和流程预检。使用时请引用 ProteinMPNN 相关论文、上游项目和原始 PDB 数据来源，并遵守 ModelScope 平台规则。