timewarp
קוד פתוחmicrosoftmit2024-04-12
microsoft עומדים גם מאחורי Sho, ויש עליו סקירה כאן.
המאגר מרכז סימולציות דינמיקה מולקולרית של פפטידים קצרים בני שתיים עד ארבע חומצות אמינו. הוא נבנה כדי לאמן מודלים של למידה עמוקה שמאיצים חישובי תנועה מולקולרית ומדלגים על אינטגרציה נומרית רגילה.
- 16,670הורדות בחודש
- 15לייקים
מה זה
הנתונים מורכבים ממסלולי תנועה מולקולרית ברמת כל אטום, שנוצרו באמצעות סימולציות קלאסיות עם מודל מים מרומז. עבור כל מולקולה תקבלו שני קבצים, קובץ pdb שמכיל את הטופולוגיה והקואורדינטות התלת-ממדיות ההתחלתיות, וקובץ npz שמרכז את מערכי המידע של המסלול עצמו לאורך זמן.
החלוקה הפנימית מוגדרת לפי אורך הפפטידים ומטרת הניסוי. ישנם שני סטים לפפטידים של שתי חומצות אמינו, האחד חלקי עם 380 מולקולות והשני מלא עם כל 400 הצירופים האפשריים, כשבגרסה הראשונה הדגימות נשמרות רק כל עשרת אלפים צעדי סימולציה. לצד אלה תמצאו סט מינימלי של שתי ריצות ארוכות עבור אלנין דיפפטיד בן 22 אטומים.
עבור פפטידים של ארבע חומצות אמינו יש שתי תיקיות נפרדות. אחת מכילה 2,333 מולקולות שמחולקות לאימון של 50 ננו-שניות, וולידציה ובדיקה של 500 ננו-שניות לכל פפטיד. התיקייה הנוספת כוללת מסלולים ארוכים של מיקרו-שנייה אחת לכל מולקולה, שנועדו בעיקר לבדיקה והערכה.
מתאים ל
- אימון מודלים לדינמיקה מולקולרית
חיזוי מיקומי האטומים בצעדי הזמן הבאים של פפטידים קצרים כדי לקצר זמני סימולציה.
- דגימת שיווי משקל תרמודינמי
הפקת מצבים מבניים של מולקולות קטנות מתוך התפלגות שיווי המשקל הפיזיקלית שלהן.
- בנצ׳מרק לאלגוריתמי פיזיקה חישובית
השוואת ביצועים ודיוק של רשתות נוירונים מול אינטגרציה נומרית קלאסית.
איפה זה נופל
הנתונים מוגבלים לפפטידים זעירים בלבד של שתיים עד ארבע חומצות אמינו, כך שאי אפשר להשליך מהם ישירות על התנהגות של חלבונים גדולים ומורכבים. בנוסף, כל הסימולציות בוצעו תחת שדה כוח עם מודל מים מרומז, שמתעלם ממולקולות מים מפורשות ויכול להשפיע על הדיוק הפיזיקלי של התנועה. המפתחים עצמם מציינים שהשיטה לא מייצרת האצה בזמן אמת עבור פפטידים רבים ומיועדת למחקר בלבד.
שאלות
נפוצות
האם מותר להשתמש בנתונים לפיתוח מסחרי?
כן, הרישיון המוגדר הוא MIT, שמתיר שימוש מסחרי ללא מגבלות מיוחדות מעבר לשמירת הודעת זכויות היוצרים המקורית. עם זאת, יוצרי המאגר מציינים בתיעוד שהפרויקט מיועד למטרות מחקר.
האם יש בדאטהסט נתונים טקסטואליים או תמיכה בעברית?
לא, המאגר לא מכיל טקסט בשום שפה. מדובר בנתונים פיזיקליים ומבניים בלבד, קואורדינטות מרחביות ומסלולי תנועה מולקולרית.
איך המידע נאסף בפועל?
הנתונים לא נאספו מניסויי מעבדה רטובה, אלא נוצרו באמצעות סימולציות מחשב קלאסיות של דינמיקה מולקולרית. כל הריצות התבצעו תוך שימוש במודל מים מרומז עבור פפטידים באורכים של שתיים עד ארבע חומצות אמינו.
באיזה פורמט שמורים הקבצים?
המאגר מחולק לתיקיות לפי גודל הפפטיד וסוג הניסוי. עבור כל מולקולה תמצאו קובץ pdb עם המבנה והקואורדינטות המקוריות, וקובץ npz שמכיל את מערכי המסלול המספריים לעבודה עם NumPy.
איך טוענים
אין כאן מבנה טבלאי של שורות ועמודות, אלא 6,841 קבצים שמורידים ישירות מהמאגר ללא צורך בהרשאות מיוחדות. הגישה מתבצעת בעבודה עם ספריות פייתון סטנדרטיות שיודעות לקרוא קובצי pdb עבור המבנה וקבצי npz מבוססי NumPy עבור מערכי הנתונים של המסלול. לצד הנתונים עצמם תמצאו שם גם משקלי מודל מאומנים וקובצי הגדרות להרצה.
from datasets import load_dataset
ds = load_dataset("microsoft/timewarp")הרישיון
המאגר מופץ תחת רישיון MIT. המשמעות פשוטה, מותר להשתמש בנתונים, לשנות אותם, לאמן עליהם מודלים ולשלב אותם בפרויקטים מסחריים או אקדמיים, כל עוד שומרים על הודעת זכויות היוצרים של מיקרוסופט. אין חובה לשתף את הקוד או את המודלים שתאמנו תחת אותו הרישיון.
- שימוש מסחרי
- שינוי הקוד
- הפצה מחדש