К содержимому

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")