PhageLysData: 一个基于证据且面向AI的噬菌体裂解酶与解聚酶数据集

摘要

PhageLysData是一个基于证据且面向AI的数据资源，通过可重复的多源整合、来源追踪和精确序列合并构建。它从7个主要资源整合了807,366条数据，得到759,105个唯一精确序列实体，包括11,867个有证据支持的Core实体、745,092个仅预测的候选实体和2,146个保留用于来源的Context实体。Core实体附带协调的生物学注释、理化性质、独立的InterProScan功能注释、PDB和AlphaFold DB结构资源以及可复用的数值表示。对于11,259个符合条件的Core序列，提供了来自11种蛋白质语言模型的嵌入和独热编码。该数据集旨在促进蛋白质检索、比较分析、任务特定数据集构建和机器学习应用。