SA-Prot-annot

SA-Prot-Annot releases annotations for a UniProtKB-scale slice: about 1.2 million proteins spanning manually reviewed Swiss-Prot and computationally analyzed TrEMBL, in a single Parquet file at the repository root (seqstudio_uniprot_1.2m.parquet).

SA-Prot-Annot 数据集面向通用蛋白质知识库（UniProtKB）量级的子集发布注释信息：涵盖约120万条蛋白质序列，包含经人工审核的Swiss-Prot数据库条目与经计算分析的TrEMBL数据库条目，全部数据以单个Parquet文件形式存储于代码仓库根目录，文件名为seqstudio_uniprot_1.2m.parquet。

搜集汇总

背景与挑战

背景概述

SA-Prot-annot数据集属于Sciverse科学数据基础中的Sci-Align层，提供约120万个UniProtKB蛋白质（包括Swiss-Prot和TrEMBL）的功能注释，由SeqStudio系统基于多种生物信息学证据生成，包含自然语言摘要和结构化预测。数据以Parquet格式存储，整合了UniProt原始字段、SeqStudio输出及工具结果，用于支持蛋白质功能预测和分析任务。