introvoyz041/SwissProt

--- dataset_info: features: - name: Entry dtype: string - name: Entry Name dtype: string - name: Sequence dtype: string - name: EC number dtype: string - name: Cofactor dtype: string - name: Gene Ontology (biological process) dtype: string - name: Gene Ontology (cellular component) dtype: string - name: Gene Ontology (molecular function) dtype: string - name: Pfam dtype: string - name: Gene3D dtype: string - name: Protein families dtype: string - name: Post-translational modification dtype: string - name: Subcellular location [CC] dtype: string - name: Catalytic activity dtype: string - name: Kinetics dtype: string - name: Pathway dtype: string - name: pH dependence dtype: string - name: Temperature dependence dtype: string - name: Function [CC] dtype: string - name: Organism dtype: string splits: - name: train num_bytes: 839485642 num_examples: 571609 download_size: 354346877 dataset_size: 839485642 configs: - config_name: default data_files: - split: train path: data/train-* --- All of SwissProt from July 2024 with various recorded properties.数据集信息： 特征： - 名称：条目（Entry），数据类型：字符串 - 名称：条目名称（Entry Name），数据类型：字符串 - 名称：序列（Sequence），数据类型：字符串 - 名称：EC编号（EC number），数据类型：字符串 - 名称：辅因子（Cofactor），数据类型：字符串 - 名称：基因本体论（生物过程）（Gene Ontology (biological process)），数据类型：字符串 - 名称：基因本体论（细胞组分）（Gene Ontology (cellular component)），数据类型：字符串 - 名称：基因本体论（分子功能）（Gene Ontology (molecular function)），数据类型：字符串 - 名称：Pfam，数据类型：字符串 - 名称：Gene3D，数据类型：字符串 - 名称：蛋白质家族（Protein families），数据类型：字符串 - 名称：翻译后修饰（Post-translational modification），数据类型：字符串 - 名称：亚细胞定位[CC]（Subcellular location [CC]），数据类型：字符串 - 名称：催化活性（Catalytic activity），数据类型：字符串 - 名称：动力学特性（Kinetics），数据类型：字符串 - 名称：通路（Pathway），数据类型：字符串 - 名称：pH依赖性（pH dependence），数据类型：字符串 - 名称：温度依赖性（Temperature dependence），数据类型：字符串 - 名称：功能[CC]（Function [CC]），数据类型：字符串 - 名称：来源生物（Organism），数据类型：字符串 划分集： - 名称：训练集（train），字节数：839485642，样本数：571609 下载大小：354346877 数据集大小：839485642 配置项： - 配置名称：默认（default），数据文件： - 划分集：训练集（train），路径：data/train-* 本数据集涵盖2024年7月发布的全部SwissProt条目，包含各类已记录的蛋白质属性。