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

价格

免费