Properties of aaRS, ordered by class.

Figshare2015-12-02 更新2026-04-29 收录

下载链接：

https://figshare.com/articles/dataset/_Properties_of_aaRS_ordered_by_class_/441341

下载链接

链接失效反馈

官方服务：

资源简介：

*Some of the LysRS sequences are class I.

创建时间：

2015-12-02

nferruz/UR50_2021_04

UR50_2021_04数据集是一个生物数据集，来源于Uniprot数据库，包含4800万个蛋白质序列。该数据集适用于训练蛋白质语言模型。数据集被分为训练集和验证集，比例为90/10。在数据集的创建过程中，FASTA头被替换为标签，并使用BPE进行分词。

Hugging Face2022-07-22 更新2290

NCBI Protein

The Protein database is a collection of sequences from several sources, including translations from annotated coding regions in GenBank, RefSeq and TPA, as well as records from SwissProt, PIR, PRF, an

www.ncbi.nlm.nih.gov920

FUnkFams Protein Sequences

These 6,668 Function Unknown Families (FUnkFams) are homologous, full-length protein sequences that derive from genomes in at least two taxonomic classes but with no annotated protein domains. They ar

DataCite Commons2020-09-01 更新640

uniref90

ftp://ftp.uniprot.org/pub/databases/uniprot/uniref/uniref90/uniref90.fasta.gz

kaggle2023-11-05 更新1340

omg_prot50_packed

OMGprot50数据集的预分词版本，使用ESM2 tokens并以uint8格式存储。数据集由Tatta Bio整理，每个分片（.bin）包含100,000,000个tokens。数据集还包括用于评估的验证集和测试集，这些集合是通过随机分割10,000个样本创建的，确保了与训练集的非冗余性。测试集还包括自OMG创建以来所有新的Uniprot条目，这些条目在去重后具有转录水平的证据。

Hugging Face2025-01-04 更新680