蛋白质热稳定性突变预测数据集ProteinThermalStabilityMutationPredictionDataset-loousmane
数据来源：互联网公开数据
标签：蛋白质, 突变, 热稳定性, 结构生物学, 机器学习, 深度学习, 蛋白质工程, 数据挖掘
数据概述：
该数据集包含来自多个来源的蛋白质热稳定性相关数据，记录了蛋白质突变对其热稳定性的影响。主要特征如下：
时间跨度：数据未明确标注具体时间，可视为静态数据集。
地理范围：数据涵盖了蛋白质结构和突变分析的通用场景，不限定特定地理区域。
数据维度：数据集包含蛋白质的PDB编号、野生型氨基酸、突变位点、突变后氨基酸、Tm变化值（dTm）、蛋白质序列以及突变后序列等关键信息，以及氨基酸的各项理化性质。
数据格式：数据集以CSV格式为主，包含多个CSV文件，如tm.csv、submission_ver17.csv等，便于数据分析和处理，同时包含用于可视化和模型训练的图片和模型文件。数据经过预处理，整合了多种来源的数据。
来源信息：数据来源于公开的结构生物学数据库和相关研究，经过整合和清洗，用于蛋白质热稳定性预测任务。
该数据集适合用于蛋白质结构与功能研究、蛋白质工程应用以及蛋白质热稳定性预测模型的构建。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于蛋白质热稳定性、蛋白质结构与功能关系、突变对蛋白质影响等方面的学术研究，如基于深度学习的蛋白质性质预测、突变位点分析等。
行业应用：为生物制药、酶工程等行业提供数据支持，用于优化蛋白质设计、提高蛋白药物稳定性、筛选具有特定功能的酶等。
决策支持：支持生物技术领域的研发决策，加速蛋白质工程项目的进展，优化实验设计。
教育和培训：作为结构生物学、生物信息学、机器学习等相关课程的实训素材，帮助学生和研究人员理解蛋白质性质、突变效应以及机器学习在生物学中的应用。
此数据集特别适合用于探索蛋白质序列、结构与热稳定性之间的关系，构建和优化蛋白质热稳定性预测模型，并应用于蛋白质设计和工程领域。
