公开数据集

p53基因突变体数据集
Scene:
HealthData Type:
Classification
Data Preview ?
526.96M
Data Structure ?
*数据结构实际以真实数据为准
Data Set Information:
突变型p53蛋白的生物物理模型产生的特征可用于预测p53转录活性。所有类别标签均通过体内分析确定。
为了重建此数据集的历史子集,提供了以下文件:
K8.instance.tags-为K8.data中的每个实例提供精确的标记,用于历史定义文件:
K1.def-定义“K1”集中的实例。
K2.def-定义“K2”集中的实例。
K3.def-定义“K3”集中的实例。
K4.def-定义“K4”集中的实例。
K5.def-定义“K5”集中的实例。
K6.def-定义“K6”集中的实例。
K7.def-定义“K7”集中的实例。
K8.def-定义“K8”(完整)集合中的实例。
Attribute Information:
每个实例总共有5409个属性。
属性1-4826表示二维特征和基于曲面的特征。
属性4827-5408表示基于三维距离的特征。
属性5409是类属性,它是活动的或非活动的。
类别标签解释如下:“活性”代表转录活性的活性p53,而“非活性”标签代表癌性的非活性p53。类标签是通过实验确定的。
More information is provided in the relevant papers cited.
Relevant Papers:
Danziger, S.A., Baronio, R., Ho, L., Hall, L., Salmon, K., Hatfield, G.W., Kaiser, P., and Lathrop, R.H. (2009) Predicting Positive p53 Cancer Rescue Regions Using Most Informative Positive (MIP) Active Learning, PLOS Computational Biology, 5(9), e1000498
Danziger, S.A., Zeng, J., Wang, Y., Brachmann, R.K. and Lathrop, R.H. (2007) Choosing where to look next in a mutation sequence space: Active Learning of informative p53 cancer rescue mutants, Bioinformatics, 23(13), 104-114.
Danziger, S.A., Swamidass, S.J., Zeng, J., Dearth, L.R., Lu, Q., Chen, J.H., Cheng, J., Hoang, V.P., Saigo, H., Luo, R., Baldi, P., Brachmann, R.K. and Lathrop, R.H. (2006) Functional census of mutation sequence spaces: the example of p53 cancer rescue mutants, IEEE/ACM transactions on computational biology and bioinformatics / IEEE, ACM, 3, 114-125.
Citation Request:
If you use this dataset, please cite the relevant papers above. Thank you.
数据使用声明:
- 1、该数据来自于互联网数据采集或服务商的提供,本平台为用户提供数据集的展示与浏览。
- 2、本平台仅作为数据集的基本信息展示、包括但不限于图像、文本、视频、音频等文件类型。
- 3、数据集基本信息来自数据原地址或数据提供方提供的信息,如数据集描述中有描述差异,请以数据原地址或服务商原地址为准。
- 1、本站中的所有数据集的版权都归属于原数据发布者或数据提供方所有。
- 1、如您需要转载本站数据,请保留原数据地址及相关版权声明。
- 1、如本站中的部分数据涉及侵权展示,请及时联系本站,我们会安排进行数据下线。