amirka20/peptag

--- license: mit configs: - config_name: peptag data_files: - split: train path: peptag/train-* - split: val path: peptag/val-* - split: test path: peptag/test-* - split: trainval path: peptag/trainval-* - config_name: stereo_pairs data_files: - split: stereo_pairs path: stereo_pairs/stereo_pairs-* - config_name: substitution_pairs data_files: - split: substitution_pairs path: substitution_pairs/substitution_pairs-* - config_name: tag_pairs data_files: - split: tag_pairs path: tag_pairs/tag_pairs-* dataset_info: - config_name: peptag features: - name: Peptide dtype: string - name: B dtype: float64 - name: M dtype: float64 - name: Z dtype: int64 - name: Length dtype: int64 - name: SMILES dtype: string splits: - name: train num_bytes: 11965676 num_examples: 41455 - name: val num_bytes: 1331730 num_examples: 4607 - name: test num_bytes: 866767 num_examples: 2726 - name: trainval num_bytes: 13297406 num_examples: 46062 download_size: 4249559 dataset_size: 27461579 - config_name: stereo_pairs features: - name: Sequence_f dtype: string - name: Sequence_F dtype: string - name: SMILES_f dtype: string - name: SMILES_F dtype: string - name: B_f dtype: float64 - name: B_F dtype: float64 - name: delta_B dtype: float64 splits: - name: stereo_pairs num_bytes: 332784 num_examples: 542 download_size: 51973 dataset_size: 332784 - config_name: substitution_pairs features: - name: Sequence_1 dtype: string - name: Sequence_2 dtype: string - name: Position dtype: int64 - name: Residue_1 dtype: string - name: Residue_2 dtype: string - name: SMILES_1 dtype: string - name: SMILES_2 dtype: string - name: B_1 dtype: float64 - name: B_2 dtype: float64 - name: delta_B dtype: float64 splits: - name: substitution_pairs num_bytes: 4290171 num_examples: 6942 download_size: 318447 dataset_size: 4290171 - config_name: tag_pairs features: - name: Sequence_untagged dtype: string - name: Sequence_tagged dtype: string - name: Tag dtype: string - name: SMILES_untagged dtype: string - name: SMILES_tagged dtype: string - name: B_untagged dtype: float64 - name: B_tagged dtype: float64 - name: delta_B dtype: float64 splits: - name: tag_pairs num_bytes: 911044 num_examples: 1549 download_size: 115469 dataset_size: 911044 ---许可证：MIT 配置项： - 配置名称：肽标记（peptag） 数据文件： - 拆分方式：训练集（train），路径：peptag/train-* - 拆分方式：验证集（val），路径：peptag/val-* - 拆分方式：测试集（test），路径：peptag/test-* - 拆分方式：训练验证混合集（trainval），路径：peptag/trainval-* - 配置名称：立体对（stereo_pairs） 数据文件： - 拆分方式：立体对拆分（stereo_pairs），路径：stereo_pairs/stereo_pairs-* - 配置名称：替换对（substitution_pairs） 数据文件： - 拆分方式：替换对拆分（substitution_pairs），路径：substitution_pairs/substitution_pairs-* - 配置名称：标记对（tag_pairs） 数据文件： - 拆分方式：标记对拆分（tag_pairs），路径：tag_pairs/tag_pairs-* 数据集信息： - 配置名称：肽标记（peptag） 特征字段： - 肽（Peptide）：字符串型 - B：64位浮点型 - M：64位浮点型 - Z：64位整型 - 序列长度（Length）：64位整型 - 简化分子线性输入规范（SMILES）：字符串型 拆分信息： - 训练集：字节数11965676，样本数41455 - 验证集：字节数1331730，样本数4607 - 测试集：字节数866767，样本数2726 - 训练验证混合集：字节数13297406，样本数46062 下载大小：4249559 字节，数据集总大小：27461579 字节 - 配置名称：立体对（stereo_pairs） 特征字段： - 正向序列（Sequence_f）：字符串型 - 正向大写序列（Sequence_F）：字符串型 - 正向简化分子线性输入规范（SMILES_f）：字符串型 - 正向大写简化分子线性输入规范（SMILES_F）：字符串型 - 正向B值（B_f）：64位浮点型 - 正向大写B值（B_F）：64位浮点型 - B值差值（delta_B）：64位浮点型 拆分信息： - 立体对拆分：字节数332784，样本数542 下载大小：51973 字节，数据集大小：332784 字节 - 配置名称：替换对（substitution_pairs） 特征字段： - 序列1（Sequence_1）：字符串型 - 序列2（Sequence_2）：字符串型 - 突变位点（Position）：64位整型 - 原始残基（Residue_1）：字符串型 - 替换后残基（Residue_2）：字符串型 - 序列1的简化分子线性输入规范（SMILES_1）：字符串型 - 序列2的简化分子线性输入规范（SMILES_2）：字符串型 - 序列1的B值（B_1）：64位浮点型 - 序列2的B值（B_2）：64位浮点型 - B值差值（delta_B）：64位浮点型 拆分信息： - 替换对拆分：字节数4290171，样本数6942 下载大小：318447 字节，数据集大小：4290171 字节 - 配置名称：标记对（tag_pairs） 特征字段： - 未标记序列（Sequence_untagged）：字符串型 - 已标记序列（Sequence_tagged）：字符串型 - 标记标签（Tag）：字符串型 - 未标记序列的简化分子线性输入规范（SMILES_untagged）：字符串型 - 已标记序列的简化分子线性输入规范（SMILES_tagged）：字符串型 - 未标记序列的B值（B_untagged）：64位浮点型 - 已标记序列的B值（B_tagged）：64位浮点型 - B值差值（delta_B）：64位浮点型 拆分信息： - 标记对拆分：字节数911044，样本数1549 下载大小：115469 字节，数据集大小：911044 字节