Gurveer05/maize-promoter-sequences

该数据集包含了26个玉米NAM品系的启动子序列，这些序列用于微调Florabert模型。数据是通过处理来自MaizeGDB的原始fasta文件和gff3文件创建的，使用了samtools和bedtools工具提取了序列上游1kb的启动子序列。数据被分为训练集和测试集，比例为70:30，总共包含约100万条序列。

原始信息汇总

玉米NAM品系启动子序列数据集

数据集描述

该数据集包含26个玉米NAM品系的启动子序列，这些序列已被用于Florabert的微调步骤。数据集是通过处理来自MaizeGDB的原始fasta文件和gff3文件创建的。

数据处理

使用samtools和bedtools从这些文件中提取了位于序列上游1kb的启动子序列。

数据划分

数据已被分为训练集和测试集（70-30划分），总共有约100万个序列。

数据获取步骤

获取该数据的步骤可在Github Repository中找到。