Датасет · songlab
Бенчмарк для моделей ДНК и предсказания генетических мутаций
songlab/TraitGym
Набор данных для оценки геномных языковых моделей в задаче поиска причинных регуляторных вариантов в генетике человека.
Что внутри
Внутри находятся табличные и текстовые данные объемом от 10 до 100 миллионов записей, включая тестовый сплит по менделевским признакам (mendelian_traits). Датасет предназначен для проверки способности геномных моделей (gLM) предсказывать влияние генетических вариантов. В карточке также доступны ссылка на лидерборд и готовый ноутбук для быстрого запуска проверки в Google Colab.
Что можно сделать
- Оценка качества геномных языковых моделей (gLM) в задачах генетики человека
- Бенчмаркинг предсказания эффектов регуляторных вариантов ДНК
- Сравнение биоинформатических алгоритмов по стандартизированному лидерборду
- Размер
- 10M–100M записей
- Скачиваний за месяц
- 22,5 тыс.
- Лайков
- 14
Как загрузить
from datasets import load_dataset
ds = load_dataset("songlab/TraitGym")