datasets
收藏资源简介：
该数据集是为UdonPred工具提供的、针对每个目标蛋白质的内在无序（intrinsic-disorder）预测数据集。数据集包含七个不同的配置（atlas、chezod、disprot、pdbflex、plddt、softdis、trizod），每个配置均划分为训练集（train）、验证集（validation）和测试集（test）。数据以JSONL格式（包含id、y、x_0字段）和FASTA格式提供，同时附带了预计算的蛋白质语言模型（per-pLM）嵌入文件，存储于H5格式中，可通过JSONL中的id进行索引。这些数据适用于蛋白质内在无序区域的预测任务，支持机器学习模型的训练和评估。
This dataset is an intrinsic-disorder prediction dataset for individual target proteins, specifically developed for the UdonPred tool. The dataset comprises seven distinct configurations: atlas, chezod, disprot, pdbflex, plddt, softdis, and trizod. Each configuration is partitioned into training, validation, and test subsets. The data are provided in both JSONL and FASTA formats, where JSONL files contain fields including id, y, and x_0. Pre-computed protein language model (per-pLM) embedding files stored in H5 format are also available, and can be indexed using the id field from the JSONL files. This dataset is applicable to the prediction of intrinsic disorder regions in proteins, and supports the training and evaluation of machine learning models.
- 数据集名称：UdonPred datasets
- 用途：针对特定蛋白质的内在无序性预测，为UdonPred模型提供数据。
- 数据格式：包含
train（训练集）、valid（验证集）、test（测试集）三个数据划分，数据以JSONL格式存储，每条记录包含id、y、x_0字段，并附带FASTA格式序列文件。 - 数据集配置（8个）：
- atlas
- 训练集：
atlas/train.jsonl - 验证集：
atlas/valid.jsonl - 测试集：
atlas/test.jsonl
- 训练集：
- chezod
- 训练集：
chezod/train.jsonl - 验证集：
chezod/valid.jsonl - 测试集：
chezod/test.jsonl
- 训练集：
- disprot
- 训练集：
disprot/train.jsonl - 验证集：
disprot/valid.jsonl - 测试集：
disprot/test.jsonl
- 训练集：
- pdbflex
- 训练集：
pdbflex/train.jsonl - 验证集：
pdbflex/valid.jsonl - 测试集：
pdbflex/test.jsonl
- 训练集：
- plddt
- 训练集：
plddt/train.jsonl - 验证集：
plddt/valid.jsonl - 测试集：
plddt/test.jsonl
- 训练集：
- softdis
- 训练集：
softdis/train.jsonl - 验证集：
softdis/valid.jsonl - 测试集：
softdis/test.jsonl
- 训练集：
- trizod
- 训练集：
trizod/train.jsonl - 验证集：
trizod/valid.jsonl - 测试集：
trizod/test.jsonl
- 训练集：
- trizod2
- 训练集：
trizod2/train.jsonl - 验证集：
trizod2/valid.jsonl - 测试集：
trizod2/test.jsonl
- 训练集：
- atlas
- 额外资源：每个目标蛋白质目录下包含预计算的蛋白质语言模型（pLM）嵌入，路径为
<target>/embeddings/<plm>/<split>.h5，通过JSONL中的id进行索引。
