Датасет · arcinstitute
Почти 9 трлн пар оснований ДНК
arcinstitute/opengenome2
Курируемая база ДНК со всех доменов жизни для обучения геномных моделей.
Что внутри
Почти 9 трлн пар оснований ДНК из разных видов и публичных источников. Данные использованы для обучения моделей Evo 2. Доступны в форматах fasta и jsonl.
Что можно сделать
- Обучение и дообучение Evo 2
- Геномные языковые модели
- Поиск и аннотация последовательностей
- Задачи
- Генерация текста
- Размер
- больше 1T записей
- Скачиваний за месяц
- 7,3 тыс.
- Лайков
- 174
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("arcinstitute/opengenome2")