OPEN-PMC数据集是一个包含医学论文中图像-文本对的集合，旨在支持医学图像理解研究，包括医学图像标注、多模态学习、图像-文本检索和医学语言理解等任务。该数据集主要由英文文本组成，不包含预定义的数据划分，用户可以根据需要自行划分训练、验证和测试数据。数据集来源于BIOMEDICA，经过过滤和分解处理后，用于学术和研究目的。

Hugging Face2026-05-13 更新210

vector-institute/atom3d-rsr

RNA结构预测

分子建模

RSR: RNA Structure Ranking数据集用于预测RNA分子的三维结构，给定其序列。数据集包含21个RNA分子，这些RNA分子来自RNA-Puzzles竞赛。数据集被分为训练集、验证集和测试集，分别包含12479、4000和4000个样本。每个样本包含输入序列的ID、坐标和标签（即与实验确定结构的RMSD值）。数据集的总下载大小为718847118字节，总大小为1936109392

Hugging Face2024-07-09 更新160

vector-institute/atom3d-res

蛋白质结构

氨基酸分类

该数据集用于预测蛋白质中氨基酸的身份，基于其周围的结构环境。数据集包含从PDB非冗余结构中提取的原子环境，任务被形式化为分类任务，即根据环境中所有其他原子预测中心氨基酸的身份。数据集分为训练集、验证集和测试集，每个集都有相应的字节大小和示例数量。此外，数据集还提供了按CATH 4.2拓扑类在域级别进行分割的选项。

Hugging Face2024-07-11 更新220

vector-institute/atom3d-ppi

蛋白质相互作用

结构分析

PPI（蛋白质-蛋白质相互作用）数据集用于预测两个不同蛋白质中的氨基酸对在结合时是否会相互作用。氨基酸被定义为相互作用，如果它们的任何重原子之间的距离在6埃以内。数据集包含以下特征：input_ids（两个蛋白质的原子编号）、coords（两个蛋白质的3D坐标）、labels（相互作用标签，1表示相互作用，0表示不相互作用）和token_type_ids（标识符，用于区分两个蛋白质的原子编号和坐标

Hugging Face2024-07-15 更新210

vector-institute/llm-eval-requests

资源简介：

相关数据集