Gurveer05/plant-promoter-sequences
收藏Hugging Face2024-01-14 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/Gurveer05/plant-promoter-sequences
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含241种不同植物的启动子序列，这些序列用于Florabert的预训练步骤。数据集是通过处理来自Ensembl和Refseq的原始fasta文件以及gff3/gff文件创建的，使用了samtools和bedtools工具提取了序列上游1kb的启动子序列。数据集被分为训练集和测试集，比例为90:10，总共包含约1000万条序列。
该数据集包含241种不同植物的启动子序列，这些序列用于Florabert的预训练步骤。数据集是通过处理来自Ensembl和Refseq的原始fasta文件以及gff3/gff文件创建的，使用了samtools和bedtools工具提取了序列上游1kb的启动子序列。数据集被分为训练集和测试集，比例为90:10，总共包含约1000万条序列。
提供机构：
Gurveer05
原始信息汇总
植物物种启动子序列数据集
数据集概述
- 物种数量: 241种不同植物
- 数据来源: 处理自Ensembl和Refseq的原始fasta文件和gff3/gff文件
- 数据处理工具: 使用samtools和bedtools提取1kb上游序列的启动子序列
- 数据分割: 分为训练集和测试集，比例为90-10，总计约1000万条序列
- 应用: 用于
Florabert的预训练步骤 - 数据获取步骤: 详细步骤可在Github Repository中查看
