Synthyra/bernett_gold_ppi

这是一个平衡的二分类蛋白质-蛋白质相互作用数据集，正面样本来自HIPPIE数据库，分割过程中确保了没有序列重叠，并基于最大CD-HIT的40%序列相似性进行分割，同时减少了节点度偏差。

This is a balanced binary protein-protein interaction dataset with positives from HIPPIE and partitioned without sequence overlaps based on a maximum CD-HIT of 40% pairwise sequence similarity, while also reducing node degree bias.

搜集汇总

背景与挑战

背景概述

该数据集是一个平衡的二进制蛋白质-蛋白质相互作用（PPI）数据集，用于深度学习模型中的PPI预测。它基于HIPPIE正样本，通过KaHIP分区，并确保无序列重叠，使用最大CD-HIT 40%的序列相似性进行分割，以减少节点度偏差。数据集包含训练、验证和测试三个分割，总行数约为275k行，适用于无偏序列基PPI预测研究。