ProteinGym 蛋白质突变数据集

数据集共包含来自 87 个 DMS 测序实验的大约 150 万个错义变体。

This dataset contains approximately 1.5 million missense variants derived from 87 DMS sequencing experiments.

AI搜集汇总

背景与挑战

背景概述

ProteinGym 蛋白质突变数据集是一个大规模基准测试数据集，包含来自87个DMS测序实验的大约150万个错义变体，专门用于评估蛋白质语言模型的性能。该数据集在AI for Science领域有重要应用，例如在一篇Nature Communications论文中被用于研究通过少样本学习提高模型效率。