zgcarvalho/oas-test
收藏Hugging Face2023-09-28 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/zgcarvalho/oas-test
下载链接
链接失效反馈官方服务：
资源简介：
---
license: cc-by-4.0
size_categories: 10M<n<100M
pretty_name: Observed Antibody Space
config_names:
- paired
- unpaired
tags:
- biology
- protein
dataset_info:
- config_name: paired
features:
- name: sequence_heavy
dtype: string
- name: sequence_light
dtype: string
- name: cdr1_heavy
dtype: string
- name: cdr2_heavy
dtype: string
- name: cdr3_heavy
dtype: string
- name: fwr1_heavy
dtype: string
- name: fwr2_heavy
dtype: string
- name: fwr3_heavy
dtype: string
- name: fwr4_heavy
dtype: string
- name: cdr1_light
dtype: string
- name: cdr2_light
dtype: string
- name: cdr3_light
dtype: string
- name: fwr1_light
dtype: string
- name: fwr2_light
dtype: string
- name: fwr3_light
dtype: string
- name: fwr4_light
dtype: string
- name: species
dtype: string
- name: vaccine
dtype: string
- name: disease
dtype: string
splits:
- name: train
num_bytes: 985822519
num_examples: 1777462
download_size: 0
dataset_size: 985822519
- config_name: unpaired
features:
- name: sequence
dtype: string
- name: chain
dtype: string
- name: cdr1
dtype: string
- name: cdr2
dtype: string
- name: cdr3
dtype: string
- name: fwr1
dtype: string
- name: fwr2
dtype: string
- name: fwr3
dtype: string
- name: fwr4
dtype: string
- name: species
dtype: string
- name: vaccine
dtype: string
- name: disease
dtype: string
splits:
- name: train
num_bytes: 4671469078
num_examples: 15925303
download_size: 0
dataset_size: 4671469078
configs:
- config_name: paired
data_files:
- split: train
path: paired/train-*
- config_name: unpaired
data_files:
- split: train
path: unpaired/train-*
---
# Dataset Card for Observed Antibody Space
## Dataset Description
- **Homepage:**
- **Repository:**
- **Paper:**
- **Leaderboard:**
- **Point of Contact:**
### Dataset Summary
[More Information Needed]
### Supported Tasks and Leaderboards
[More Information Needed]
### Languages
[More Information Needed]
## Dataset Structure
### Data Instances
[More Information Needed]
### Data Fields
[More Information Needed]
### Data Splits
[More Information Needed]
## Dataset Creation
### Curation Rationale
[More Information Needed]
### Source Data
#### Initial Data Collection and Normalization
[More Information Needed]
#### Who are the source language producers?
[More Information Needed]
### Annotations
#### Annotation process
[More Information Needed]
#### Who are the annotators?
[More Information Needed]
### Personal and Sensitive Information
[More Information Needed]
## Considerations for Using the Data
### Social Impact of Dataset
[More Information Needed]
### Discussion of Biases
[More Information Needed]
### Other Known Limitations
[More Information Needed]
## Additional Information
### Dataset Curators
[More Information Needed]
### Licensing Information
[More Information Needed]
### Citation Information
[More Information Needed]
### Contributions
[More Information Needed]
许可证：CC BY 4.0
样本量范围：1000万 < 样本量 < 1亿
数据集简称：观测抗体空间（Observed Antibody Space）
配置名称：
- 配对型（paired）
- 非配对型（unpaired）
标签：
- 生物学
- 蛋白质
数据集信息：
- 配置名称：配对型（paired）
特征字段：
- 重链序列（sequence_heavy）：字符串类型
- 轻链序列（sequence_light）：字符串类型
- 重链CDR1区（cdr1_heavy）：字符串类型
- 重链CDR2区（cdr2_heavy）：字符串类型
- 重链CDR3区（cdr3_heavy）：字符串类型
- 重链FR1区（fwr1_heavy）：字符串类型
- 重链FR2区（fwr2_heavy）：字符串类型
- 重链FR3区（fwr3_heavy）：字符串类型
- 重链FR4区（fwr4_heavy）：字符串类型
- 轻链CDR1区（cdr1_light）：字符串类型
- 轻链CDR2区（cdr2_light）：字符串类型
- 轻链CDR3区（cdr3_light）：字符串类型
- 轻链FR1区（fwr1_light）：字符串类型
- 轻链FR2区（fwr2_light）：字符串类型
- 轻链FR3区（fwr3_light）：字符串类型
- 轻链FR4区（fwr4_light）：字符串类型
- 物种来源（species）：字符串类型
- 疫苗关联信息（vaccine）：字符串类型
- 疾病关联信息（disease）：字符串类型
数据集划分：
- 训练集（train）：数据字节数985822519，样本数量1777462
下载大小：0
数据集总大小：985822519
- 配置名称：非配对型（unpaired）
特征字段：
- 氨基酸序列（sequence）：字符串类型
- 链类型（chain）：字符串类型
- CDR1区（cdr1）：字符串类型
- CDR2区（cdr2）：字符串类型
- CDR3区（cdr3）：字符串类型
- FR1区（fwr1）：字符串类型
- FR2区（fwr2）：字符串类型
- FR3区（fwr3）：字符串类型
- FR4区（fwr4）：字符串类型
- 物种来源（species）：字符串类型
- 疫苗关联信息（vaccine）：字符串类型
- 疾病关联信息（disease）：字符串类型
数据集划分：
- 训练集（train）：数据字节数4671469078，样本数量15925303
数据集总大小：4671469078
配置项：
- 配置名称：配对型（paired），数据文件：
- 训练集划分：路径为paired/train-*
- 配置名称：非配对型（unpaired），数据文件：
- 训练集划分：路径为unpaired/train-*
# 观测抗体空间（Observed Antibody Space）数据集卡片
## 数据集描述
- **主页：**
- **代码仓库：**
- **相关论文：**
- **排行榜：**
- **联系人：**
### 数据集概述
[需提供更多信息]
### 支持任务与排行榜
[需提供更多信息]
### 语言
[需提供更多信息]
## 数据集结构
### 数据实例
[需提供更多信息]
### 数据字段
[需提供更多信息]
### 数据集划分
[需提供更多信息]
## 数据集构建
### 构建依据
[需提供更多信息]
### 源数据
#### 初始数据收集与标准化处理
[需提供更多信息]
#### 数据来源生产者是谁？
[需提供更多信息]
### 标注信息
#### 标注流程
[需提供更多信息]
#### 标注人员是谁？
[需提供更多信息]
### 个人与敏感信息
[需提供更多信息]
## 数据使用注意事项
### 数据集的社会影响
[需提供更多信息]
### 偏差讨论
[需提供更多信息]
### 其他已知局限性
[需提供更多信息]
## 附加信息
### 数据集维护者
[需提供更多信息]
### 许可信息
[需提供更多信息]
### 引用信息
[需提供更多信息]
### 贡献内容
[需提供更多信息]
提供机构：
zgcarvalho
原始信息汇总
数据集卡片 for Observed Antibody Space
数据集描述
数据集概要
该数据集名为“Observed Antibody Space”，包含两个配置：paired 和 unpaired。数据集大小介于10M到100M之间，采用CC BY 4.0许可。
支持的任务和排行榜
[更多信息需要]
语言
[更多信息需要]
数据集结构
数据实例
[更多信息需要]
数据字段
paired 配置
sequence_heavy: 字符串类型sequence_light: 字符串类型cdr1_heavy: 字符串类型cdr2_heavy: 字符串类型cdr3_heavy: 字符串类型fwr1_heavy: 字符串类型fwr2_heavy: 字符串类型fwr3_heavy: 字符串类型fwr4_heavy: 字符串类型cdr1_light: 字符串类型cdr2_light: 字符串类型cdr3_light: 字符串类型fwr1_light: 字符串类型fwr2_light: 字符串类型fwr3_light: 字符串类型fwr4_light: 字符串类型species: 字符串类型vaccine: 字符串类型disease: 字符串类型
unpaired 配置
sequence: 字符串类型chain: 字符串类型cdr1: 字符串类型cdr2: 字符串类型cdr3: 字符串类型fwr1: 字符串类型fwr2: 字符串类型fwr3: 字符串类型fwr4: 字符串类型species: 字符串类型vaccine: 字符串类型disease: 字符串类型
数据分割
paired 配置
train分割- 字节数: 985822519
- 样本数: 1777462
unpaired 配置
train分割- 字节数: 4671469078
- 样本数: 15925303
数据集创建
策划理由
[更多信息需要]
源数据
初始数据收集和规范化
[更多信息需要]
源语言生产者是谁？
[更多信息需要]
注释
注释过程
[更多信息需要]
注释者是谁？
[更多信息需要]
个人和敏感信息
[更多信息需要]
使用数据集的考虑因素
数据集的社会影响
[更多信息需要]
讨论偏见
[更多信息需要]
其他已知限制
[更多信息需要]
附加信息
数据集策展人
[更多信息需要]
许可信息
[更多信息需要]
引用信息
[更多信息需要]
贡献
[更多信息需要]
搜集汇总
数据集介绍
背景与挑战
背景概述
This dataset contains antibody sequence data, including paired and unpaired sequences with annotations for heavy and light chains, CDR regions, and species information. It is primarily focused on biological research, particularly related to SARS-COV-2, and is available in parquet format under a cc-by-4.0 license.
以上内容由遇见数据集搜集并总结生成
