HoangHa/belka-selfies-pretrain

---
dataset_info:
features:
- name: molecule_smiles
dtype: large_string
- name: SELFIES
dtype: string
- name: BRD4
dtype: int64
- name: HSA
dtype: int64
- name: sEH
dtype: int64
splits:
- name: train
num_bytes: 44320144362
num_examples: 98415610
download_size: 6477830697
dataset_size: 44320144362
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征：
- 名称：简化分子线性输入系统（SMILES）
数据类型：大字符串
- 名称：SELFIES
数据类型：字符串
- 名称：溴结构域蛋白4（BRD4）
数据类型：64位整数
- 名称：人血清白蛋白（HSA）
数据类型：64位整数
- 名称：可溶性环氧化物水解酶（sEH）
数据类型：64位整数
数据集划分：
- 名称：训练集
字节数：44320144362
样本数：98415610
下载大小：6477830697
数据集大小：44320144362
配置：
- 配置名称：默认
数据文件：
- 对应划分：训练集
文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• molecule_smiles: 数据类型为large_string。
• SELFIES: 数据类型为string。
• BRD4: 数据类型为int64。
• HSA: 数据类型为int64。
• sEH: 数据类型为int64。

数据集分割

• 训练集(train):
  • 数据量: 98415610条记录。
  • 存储大小: 44320144362字节。

数据集大小

• 下载大小: 6477830697字节。
• 总数据集大小: 44320144362字节。

配置

• 默认配置(default):
  • 训练数据路径: data/train-*。