five

alejoacelas/uniref50-2025-10

收藏
Hugging Face2025-11-05 更新2025-11-15 收录
下载链接:
https://hf-mirror.com/datasets/alejoacelas/uniref50-2025-10
下载链接
链接失效反馈
官方服务:
资源简介:
UniRef50蛋白质语言模型训练数据集,来源于UniRef50(2025年10月发布),经过处理用于蛋白质语言模型的预训练。数据集包含了序列ID、描述、氨基酸序列和序列长度等信息。数据集分为训练集和验证集,经过相似性筛选后,最终训练集包含58,123,438个序列,验证集包含294,377个序列。

UniRef50 Dataset for Protein Language Model Training, derived from UniRef50 (Release 2025 October) and prepared for pre-training of protein language models. The dataset includes sequence ID, description, amino acid sequence, and sequence length information. It is split into a training set and a validation set, with the final training set containing 58,123,438 sequences and the validation set containing 294,377 sequences after similarity filtering.
提供机构:
alejoacelas
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作