PhaGen:噬菌体基因组掩码扩散模型代码与评估数据
医疗健康
0 下载
12 浏览
2026-10-19
数据集简介
资源内容与用途
PhaGen 面向噬菌体基因组的生成与分析,核心是一个掩码扩散模型。随附材料既包含可直接加载的模型权重与分词器,也包含从训练到评估、再到结果复现的完整链路,便于研究者复现论文结果或在此基础上开展新的噬菌体序列研究。
压缩包内主要包含以下内容:
- 模型权重与分词器文件,位于
PhaGen/models/PhaGen/; - 模型实现代码与使用示例;
- 基于 VeOmni 的训练代码;
- 评估输入数据与处理后的评估基准;
- 正式评估结果;
- 分析与绘图脚本;
- 基因组生成及七项序列理解任务相关的图表。
七项序列理解任务
评估基准围绕噬菌体序列理解设计,共七项任务:
| 任务 | 评估内容 |
|---|---|
| lambda/P1 基因必需性 | 判断基因在噬菌体中的必需性 |
| T7 SNP 突变性 | 评估单核苷酸变异对适应性的影响 |
| 噬菌体启动子识别 | 识别噬菌体基因组中的启动子区域 |
| 病毒粒子蛋白亚型预测 | 预测病毒粒子蛋白的亚型 |
| 尾部蛋白 CDS 宿主预测 | 由尾部蛋白编码序列推断宿主 |
| infA 适应度 | 评估 infA 基因的适应度 |
| TEM-1 β-内酰胺酶适应度 | 评估 TEM-1 β-内酰胺酶的适应度 |
使用方式与获取说明
解压 PhaGen-complete.zip 后,按其中的 README 与任务文档操作即可。PhaGen 自身的模型权重与分词器已随包提供;基线模型权重以及完整的外部参考数据库不包含在内,需要另行获取。
项目方对本项目产出的预测结果、统计摘要和图表未另行指定新许可;数据来源及上游条款记录在 PhaGen/evaluation/DATA_SOURCES.md,软件归属信息见 PhaGen/NOTICE.md。
版本与引用
当前版本为 v1,发布日期为 2026 年 10 月 19 日。若在研究中使用了本资源,请引用论文《Masked diffusion for bacteriophage genome analysis and fast genome-scale generation》。作者包括 Yusen Hou、Weicai Long、Houcheng Su、Junning Feng 与 Yanlin Zhang,所属单位为香港科技大学(广州)数据科学与分析学域。代码仓库为 ai4nucleome/PhaGen。
基本信息
记录数量1.6 GB
文件大小PhaGen-complete.zip 大小为 1.8 GB;数据量为 1.6 GB
文件格式ZIP、Markdown
数据来源香港科技大学(广州)数据科学与分析学域
文件大小1.8 GB
版本v1
许可开放获取
数据落地页https://zenodo.org/records/23477083
发布日期2026-10-19
官方下载https://zenodo.org/api/records/23477083/files/PhaGen-complete.zip/content
可下载文件PhaGen-complete.zip(1.48 GB)
噬菌体基因组掩码扩散模型基因组生成序列理解基准生物信息学
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