基于 Cryo-EM 的蛋白质结构 motif 数据集
自然科学
0 下载
17 浏览
2026-07-29
数据集简介
数据集概览
该数据集由 Hou lab 维护,专注于基于 AI 的蛋白质结构建模研究。数据集从 Cryo-EM 密度图中提取 motif 条目,并记录了相应的任务分类与 motif 类型。数据采用表格与文本模态,包含原子网格参数、压缩编码信息及原始字节数据,同时关联 PDB ID 以支持结构生物学分析。
数据格式与规模
数据集以 Parquet 格式存储,并已自动转换为该格式。数据规模在 10M 至 100M 条目之间,默认子集包含 39.6M 行记录,训练集同样包含 39.6M 行记录。数据模态为表格与文本,其中 motif_type 字段包含 25 个类别,codec 字段取值为 gzip。
字段与元数据
数据集包含以下核心字段:
- em_task:任务类型(字符串)
- motif_type:motif 类型(字符串,25 个类别)
- offset:偏移量(int64)
- length:长度(int64)
- raw_bytes:原始字节数(int64)
- codec:压缩编码(字符串,gzip)
- nx / ny / nz:网格尺寸(int64)
- mode:模式(int64)
- voxel_x / voxel_y / voxel_z:体素坐标(float64)
- origin_x / origin_y / origin_z:原点坐标(float64)
- pdb_id:PDB ID(字符串,4 个字符)
- internal_id:内部 ID(字符串)
数据集可在 HuggingFace 平台的 Data Studio、Files and versions 及 Dataset Viewer 等模块中查看。
基本信息
记录数量未知
文件大小未知
文件格式Parquet
数据来源Hou lab
数据规模10M - 100M
默认子集行数39.6M
训练集行数39.6M
motif 类型类别25
压缩编码gzip
数据模态表格与文本
数据落地页https://huggingface.co/datasets/houlab/motif-cryomap-db
发布日期2026-07-29
Cryo-EM蛋白质结构motif蛋白质建模生物信息学
上架信息
数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载