数据集概述
该数据集为《Genomic benchmarks: a collection of datasets for genomic sequence classification》手稿中发表的数据集集合，包含27个文件，涉及人类、果蝇等物种的基因组序列分类相关数据，支持基因组序列分类研究。
文件详解
该数据集包含两种格式的文件，具体说明如下：
- 压缩文件（.zip格式，共9个）：
- 示例文件：human_ocr_ensembl_v0.zip、human_enhancers_ensembl_v0.zip、human_ensembl_regulatory_v0.zip、demo_human_or_worm_v0.zip等
- 内容：原始格式的基因组相关数据集压缩包
- 压缩CSV文件（.csv.gz格式，共18个）：
- 示例文件：demo_human_or_worm_test.csv.gz、human_enhancers_cohn_train.csv.gz、drosophila_enhancers_stark_train.csv.gz、human_ensembl_regulatory_train.csv.gz、human_enhancers_ensembl_test.csv.gz、human_ocr_ensembl_test.csv.gz、drosophila_enhancers_stark_test.csv.gz等
- 内容：转换为CSV格式的基因组相关数据集压缩包，包含训练（train）、测试（test）相关实验数据
适用场景
- 基因组学研究：用于基因组序列分类算法的基准测试与验证
- 生物信息学分析：支持人类、果蝇等物种基因组增强子、调控区域等序列特征的分类研究
- 机器学习模型训练：为基因组序列分类相关的机器学习模型提供训练与测试数据
- 基因组数据标准化研究：助力基因组基准数据集的构建与应用方法探索
