la-proteina

<p align="center"> <strong> <span style="font-size: 30px;">La-Proteina Dataset</span> </strong> </p> ## 数据集介绍 La-Proteina 数据集是面向蛋白质生成、结构相关预训练和数据加载验证的生物信息资源包。当前仓库包含 PDB 派生训练索引、AlphaFold Database ID 列表、PDB/mmCIF 原始与处理后样本，以及 La-Proteina 相关 checkpoint 和 ProteinMPNN 风格权重文件。 本资源只负责提供可下载、可校验、可由大模型解析的数据资源；模型训练、推理或评测应由兼容模型仓库提供入口脚本、配置和运行命令。 ## 仓库说明 源数据目录未提供可确认的模型 README 或适配说明，因此本数据集暂不声明兼容模型。后续如果确认某个 OneScience 模型使用本数据集，应在模型仓库关系字段中引用 `OneScience/la-proteina`，并在本数据集 Manifest 中补充 `relations.compatible_models`。 ## 文件说明 核心目录： | 路径 | 说明 | |---|---| | `AFDB/La-Proteina_AFDB_IDs/` | AlphaFold Database ID 文本与压缩包 | | `dataset/pdb_train/` | PDB 训练索引、序列、raw mmCIF、processed `.pt` 文件和统计索引 | | `checkpoints_laproteina/` | La-Proteina 相关 `.ckpt` 权重和下载日志 | | `ca_model_weights/` | CA 模型权重 | | `vanilla_model_weights/` | vanilla 模型权重和安装脚本 | | `checksums.sha256` | 主要数据与权重目录的 SHA256 清单 | 模型运行包应按自身配置引用 `$DATA_ROOT/AFDB`、`$DATA_ROOT/dataset/pdb_train`、`$DATA_ROOT/checkpoints_laproteina`、`$DATA_ROOT/ca_model_weights` 或 `$DATA_ROOT/vanilla_model_weights`。 ## 使用说明 ### 文件与下载 ```bash modelscope download --dataset OneScience/la-proteina --local_dir ./la_proteina_dataset cd ./la_proteina_dataset ``` ### 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/la_proteina_dataset python tools/validate_dataset.py --data-root . ``` 完整 SHA256 校验会读取约 33 GB 数据： ```bash sha256sum -c checksums.sha256 ``` ## 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 当前不内置训练或推理脚本，也未确认兼容模型。请在使用时引用 La-Proteina、AlphaFold Database、PDB 和相关上游项目来源。当前源目录未提供明确许可证文件，使用者应遵守原始数据来源和 ModelScope 平台规则。