GUE

configs:
- config_name: emp_H3
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: emp_H3K14ac
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: emp_H3K36me3
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: emp_H3K4me1
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: emp_H3K4me2
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: emp_H3K4me3
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: emp_H3K79me3
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: emp_H3K9ac
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: emp_H4
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: emp_H4ac
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: human_tf_0
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: human_tf_1
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: human_tf_2
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: human_tf_3
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: human_tf_4
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: mouse_0
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: mouse_1
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: mouse_2
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: mouse_3
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: mouse_4
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: prom_300_all
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: prom_300_notata
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: prom_300_tata
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: prom_core_all
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
default: true
- config_name: prom_core_notata
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: prom_core_tata
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: splice_reconstructed
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: virus_covid
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: virus_species_40
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: fungi_species_20
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: EPI_K562
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: EPI_HeLa-S3
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: EPI_NHEK
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: EPI_IMR90
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: EPI_HUVEC
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: EPI_GM12878
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
- config_name: phage_fragments
data_files:
- split: train
path: "train.csv"
- split: test
path: "test.csv"
- split: dev
path: "dev.csv"
---

This is a copy of the Genome Understanding Evaluation (GUE) that was presented in

DNABERT-2: Efficient Foundation Model and Benchmark For Multi-Species Genome

Zhihan Zhou and Yanrong Ji and Weijian Li and Pratik Dutta and Ramana Davuluri and Han Liu

and is available to download directly from

https://github.com/MAGICS-LAB/DNABERT_2

If you use this dataset, please cite

@misc{zhou2023dnabert2,
title={DNABERT-2: Efficient Foundation Model and Benchmark For Multi-Species Genome},
author={Zhihan Zhou and Yanrong Ji and Weijian Li and Pratik Dutta and Ramana Davuluri and Han Liu},
year={2023},
eprint={2306.15006},
archivePrefix={arXiv},
primaryClass={q-bio.GN}
}

配置项：
- 配置名称：emp_H3
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：emp_H3K14ac
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：emp_H3K36me3
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：emp_H3K4me1
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：emp_H3K4me2
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：emp_H3K4me3
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：emp_H3K79me3
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：emp_H3K9ac
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：emp_H4
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：emp_H4ac
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：human_tf_0
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：human_tf_1
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：human_tf_2
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：human_tf_3
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：human_tf_4
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：mouse_0
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：mouse_1
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：mouse_2
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：mouse_3
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：mouse_4
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：prom_300_all
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
默认启用：是
- 配置名称：prom_300_notata
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：prom_300_tata
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：prom_core_all
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
默认启用：是
- 配置名称：prom_core_notata
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：prom_core_tata
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：splice_reconstructed
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：virus_covid
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：virus_species_40
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：fungi_species_20
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：EPI_K562
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：EPI_HeLa-S3
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：EPI_NHEK
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：EPI_IMR90
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：EPI_HUVEC
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：EPI_GM12878
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
- 配置名称：phage_fragments
数据文件：
- 划分集（split）：训练集（train），路径："train.csv"
- 划分集（split）：测试集（test），路径："test.csv"
- 划分集（split）：验证集（dev），路径："dev.csv"
---
本数据集为发表于论文《DNABERT-2: 面向多物种基因组的高效基础模型与基准测试》的基因组理解评估（Genome Understanding Evaluation, GUE）的副本，该论文作者为周志涵、纪延蓉、李卫健、普拉蒂克·杜塔、拉马纳·达武卢里、刘涵。本数据集可直接从 https://github.com/MAGICS-LAB/DNABERT_2 下载获取。

若使用本数据集，请引用如下文献：
@misc{zhou2023dnabert2,
title={DNABERT-2: Efficient Foundation Model and Benchmark For Multi-Species Genome},
author={Zhihan Zhou and Yanrong Ji and Weijian Li and Pratik Dutta and Ramana Davuluri and Han Liu},
year={2023},
eprint={2306.15006},
archivePrefix={arXiv},
primaryClass={q-bio.GN}
}