RNA二级结构预测数据集-2021-davidbtcox
数据来源：互联网公开数据
标签：RNA,二级结构,预测,机器学习,生物信息学,数据集,算法比较
数据概述：
本数据集包含了用于微调RibonanzaNet模型进行RNA二级结构预测的测试序列数据。数据集中共有2万个测试序列，每个序列都由其对应的PDB代码命名，并标注了RNA序列、长度、二级结构（点括号表示法）及成对矩阵等信息。此外，数据集中还包含了多种算法预测的二级结构及对应的F1分数，这些算法包括RibonanzaNet（预训练与非预训练版本）、Vienna2、Contrafold2、EternaFold、IPknots、Knotty、Shapify-hfold和SPOT-RNA。
数据字段说明：
- train_or_test：指示序列来自训练集还是测试集（本数据集中所有序列为测试序列）
- name：序列的名称，由4个字符的PDB代码或CASP15目标代码指定
- dataset：数据集来源（pdb或casp15）
- sequence：RNA序列字符串
- length：RNA序列长度
- structure：RNA序列的二级结构（点括号表示法）
- bp_mat：二级结构的成对矩阵，矩阵元素M(i,j)为1表示第i个核苷酸与第j个核苷酸配对，其余元素为0
- num_pseudoknots：结构中存在的假结数量
- pairs：二级结构的成对列表（0索引）
- pairs_native_idx：二级结构的成对列表（1索引）
预测与评估字段：
- PRED后缀的字段：由相关算法生成的二级结构预测结果（点括号表示法）
- PRED_f1后缀的字段：预测结果相对于参考序列的F1分数
算法说明：
- rn_fine_tuned：在化学映射数据上预训练后，在二级结构上微调的RibonanzaNet模型
- rn_no_pretraining：未在化学映射数据上预训练，在二级结构上微调的RibonanzaNet模型
- vienna2：Vienna2算法（https://www.tbi.univie.ac.at/RNA/download）
- vienna2.TK：Vienna2结合ThreshKnots
- vienna2.HN：Vienna2结合HotKnots
- contrafold2：Contrafold2算法（http://contra.stanford.edu/contrafold/）
- contrafold2.TK：Contrafold2结合ThreshKnots
- contrafold2.HN：Contrafold2结合HotKnots
- eternafold：EternaFold算法（https://eternagame.org/software）
- eternafold.TK：EternaFold结合ThreshKnots
- eternafold.HN：EternaFold结合HotKnots
- ipknots：IPknots算法（http://ws.sato-lab.org/rtips/ipknot/）
- knotty：Knotty算法（https://github.com/HosnaJabbari/Knotty）
- shapify-hfold：Shapify-hfold算法（https://github.com/ltrinity/Shapify）
- SPOT-RNA：SPOT-RNA算法（https://github.com/jaswindersingh2/SPOT-RNA）
数据用途概述：
该数据集适用于RNA二级结构预测算法的比较与评估、生物信息学教育、科研项目等场合。研究人员可以根据数据集中的多种预测结果和评估指标，对不同算法的性能进行分析和比较；此外，数据集也可用于训练和测试新的RNA二级结构预测模型。
