human_reference_genome

人类参考基因组数据集，核心定位在于提供人类基因组序列数据，包含来自参考组装GRCh38/hg38的常染色体和性染色体序列，总计32亿个核苷酸。该数据集已被用于预训练核苷酸转换器模型，并提供标准化数据操作，方便用户获取染色体、核苷酸位置等信息。数据集分为训练集、验证集和测试集，并提供不同长度（6200或12200个碱基对）的序列实例。每个实例包含序列字符串、染色体信息以及起始和结束核苷酸的索引位置。