fredzzp/uniref50-sorted-foldseek-clean

---
dataset_info:
features:
- name: sequence
dtype: string
- name: length
dtype: int64
- name: entropy
dtype: float64
- name: uniprot_id
dtype: string
- name: structure_seq
dtype: string
- name: foldseek_seq
dtype: string
splits:
- name: train
num_bytes: 23946356268.16943
num_examples: 28183509
- name: valid
num_bytes: 47906118.72136406
num_examples: 56068
- name: test
num_bytes: 25955379.192721847
num_examples: 25569
download_size: 23260792412
dataset_size: 24020217766.083515
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: valid
path: data/valid-*
- split: test
path: data/test-*
---

数据集信息：
特征字段：
- 名称：序列（sequence），数据类型：字符串（string）
- 名称：长度（length），数据类型：64位整型（int64）
- 名称：熵（entropy），数据类型：64位浮点型（float64）
- 名称：UniProt标识符（uniprot_id），数据类型：字符串（string）
- 名称：结构序列（structure_seq），数据类型：字符串（string）
- 名称：Foldseek序列（foldseek_seq），数据类型：字符串（string）
数据集划分：
- 划分名称：训练集（train），字节数：23946356268.16943，样本量：28183509
- 划分名称：验证集（valid），字节数：47906118.72136406，样本量：56068
- 划分名称：测试集（test），字节数：25955379.192721847，样本量：25569
下载总大小：23260792412
数据集总存储大小：24020217766.083515
配置项：
- 配置名称：默认（default），数据文件：
- 划分：训练集（train），路径：数据/train-*
- 划分：验证集（valid），路径：数据/valid-*
- 划分：测试集（test），路径：数据/test-*