RNA3DB

github2024-02-15 更新2024-05-31 收录

下载链接：

https://github.com/marcellszi/rna3db

下载链接

链接失效反馈

官方服务：

资源简介：

A dataset for training and benchmarking deep learning models for RNA structure prediction

一款用于核糖核酸（RNA）结构预测深度学习模型训练与基准测试的数据集

创建时间：

2024-01-30

原始信息汇总

RNA3DB数据集概述

数据集内容：

包含PDB中的所有RNA链，并标记有非编码RNA家族。
对上述链进行非冗余聚类，适用于训练和基准测试深度学习模型。

数据集文件：

rna3db-cmscans.tar.gz
- 包含对PDB中所有RNA链进行的两步Infernal同源性搜索结果。
rna3db-jsons.tar.gz
- 包含由RNA3DB生成的所有JSON文件。
rna3db-mmcifs.tar.xz
- 包含训练/测试集的层次文件夹，包含单链PDBx/mmCIF文件。
- 最适合用于使用RNA3DB进行训练和测试。
- 当前格式为实验性，如有问题，请提交问题报告。

数据集格式：

JSON格式，定期更新。
PDBx/mmCIF格式，用于训练和测试集。

数据集生成：

提供从零开始构建数据集的指南，详情见Building RNA3DB from scratch。

搜集汇总

数据集介绍

构建方式

RNA3DB数据集的构建基于蛋白质数据库（PDB）中的RNA链，通过非冗余聚类技术对这些链进行整理和标注。数据集涵盖了所有PDB中的RNA链，并对其进行了非编码RNA家族的分类。为了确保数据的多样性和代表性，RNA3DB采用了Infernal同源性搜索工具，对所有RNA链进行了两阶段的同源性分析，最终生成了适用于深度学习和基准测试的非冗余数据集。

特点

RNA3DB数据集的特点在于其非冗余性和广泛覆盖性。它不仅包含了PDB中所有RNA链的结构信息，还通过Infernal工具对这些链进行了详细的同源性分析，确保了数据的多样性和代表性。数据集以JSON格式提供，便于用户进行数据解析和处理。此外，RNA3DB还提供了单链PDBx/mmCIF文件的分层文件夹，方便用户直接用于训练和测试。

使用方法

RNA3DB数据集的使用方法灵活多样。用户可以通过下载JSON格式的文件进行数据解析，或直接使用提供的PDBx/mmCIF文件进行模型训练和测试。数据集还附带了Infernal同源性搜索的结果，用户可以通过提供的演示笔记本快速上手。对于希望从头构建数据集的用户，RNA3DB的Wiki页面提供了详细的指导，帮助用户从零开始生成自己的数据集。

背景与挑战

背景概述

RNA3DB数据集是一个专注于非冗余RNA结构的数据库，源自蛋白质数据库（PDB）。该数据集由Marcellszi团队创建，旨在为深度学习模型的训练和基准测试提供高质量的RNA链数据。RNA3DB不仅包含了PDB中所有RNA链的标注信息，还通过非冗余聚类的方式对这些链进行了整理，使其更适合于机器学习任务。该数据集的发布为RNA结构研究领域提供了重要的数据支持，尤其是在非编码RNA家族分类和结构预测方面，具有广泛的应用潜力。

当前挑战

RNA3DB数据集在构建和应用过程中面临多重挑战。首先，RNA结构的多样性和复杂性使得非冗余聚类变得尤为困难，尤其是在确保数据集的代表性和广泛性的同时，避免信息冗余。其次，数据集的生成依赖于Infernal同源搜索工具，这一过程需要处理大量的RNA链数据，计算资源消耗巨大，且对算法的准确性和效率提出了较高要求。此外，数据集的格式和压缩方式虽然经过优化，但在实际使用中仍可能遇到兼容性问题，尤其是在不同操作系统和软件环境下，用户可能需要额外的工具支持。这些挑战不仅影响了数据集的构建效率，也对用户的使用体验提出了更高的要求。

常用场景

经典使用场景

RNA3DB数据集在生物信息学领域中被广泛应用于RNA结构的研究与分析。其非冗余的RNA链聚类特性使其成为训练和评估深度学习模型的理想选择，特别是在非编码RNA家族的分类和结构预测任务中，RNA3DB提供了丰富的数据支持。

衍生相关工作

基于RNA3DB数据集，许多经典的研究工作得以展开。例如，利用该数据集开发的深度学习模型在RNA结构预测任务中取得了显著成果。此外，RNA3DB还促进了非编码RNA家族分类和功能注释的研究，为RNA生物学领域提供了重要的数据支持。

数据集最近研究