遇见数据集

nvidia/esm2_uniref_pretraining_data

收藏
Hugging Face2025-09-28 更新2025-10-25 收录
官方服务:

资源简介:

ESM-2 Uniref预训练数据集是一个基于UniRef数据库的子集,包括UniRef50和UniRef90的聚类蛋白质序列,用于ESM-2nv模型的预训练。数据集经过特定处理,包括移除人工序列和进行MMseqs聚类,并提供训练集和验证集。该数据集适用于蛋白质设计、结构生物学、生物工程、计算生物学和蛋白质工程等领域。

The ESM-2 Uniref Pretraining Data is a subset of the UniRef database, including UniRef50 and UniRef90 clustered protein sequences, used for pretraining the ESM-2nv model. The dataset has been processed to remove artificial sequences and clustered using MMseqs, providing both training and validation sets. It is suitable for fields such as protein design, structural biology, bioengineering, computational biology, and protein engineering.

提供机构:
nvidia
搜集汇总
数据集介绍
nvidia/esm2_uniref_pretraining_data 数据集图片
背景与挑战
背景概述
该数据集是用于ESM-2模型预训练的蛋白质序列数据集,基于UniRef50和UniRef90的聚类结果,经过清洗和聚类处理,提供训练集和验证集,可应用于蛋白质设计、结构生物学和计算生物学等领域。
以上内容由遇见数据集搜集并总结生成
二维码
社区交流群
二维码
科研交流群
商业服务