蛋白质突变热力学性质预测数据集ProteinMutationThermodynamicPropertyPredictionDataset-philippschwarz
数据来源：互联网公开数据
标签：蛋白质, 突变, 结构生物学, 热力学性质, 机器学习, 结构预测, 蛋白质工程, 深度学习
数据概述：
该数据集包含来自公开数据库和实验研究的蛋白质突变相关数据，记录了蛋白质序列、突变位点、环境条件以及突变对蛋白质热力学性质的影响。主要特征如下：
时间跨度：数据未明确标注时间，可视为静态数据集。
地理范围：数据来源于全球范围内的蛋白质研究，涵盖多种物种和蛋白质类型。
数据维度：数据集包括蛋白质序列、突变信息（氨基酸突变）、pH值、数据来源、野生型和突变型蛋白质的结构特征（如空腔特征、XDS特征等）、以及突变对蛋白质热力学性质的影响，如ddG（突变自由能变化）和dTm（蛋白质熔解温度变化）。
数据格式：CSV格式，包含多个CSV文件，如RASP_cavity_embeddings_5_kaggle-jin-fireprot.csv, RASP_cavity_embeddings_5_kaggle-test-dataset.csv, xgboost_test_data.csv, xgboost_train_data.csv，便于数据分析和机器学习建模。
来源信息：数据集来源于多个公开数据集和研究项目，经过了整合和处理，以方便用于蛋白质结构和功能的研究。
该数据集适合用于蛋白质结构预测、突变效应预测、蛋白质稳定性分析等研究。
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：适用于结构生物学、生物物理学、蛋白质工程等领域的学术研究，如蛋白质突变对结构和功能的影响研究、蛋白质稳定性预测模型的开发等。
行业应用：可以为生物制药、生物技术等行业提供数据支持，特别是在蛋白质药物设计、酶工程、蛋白质改造等方面。
决策支持：支持蛋白质工程项目的决策制定和蛋白质设计策略的优化。
教育和培训：作为结构生物学、生物信息学等课程的实训数据，帮助学生和研究人员深入理解蛋白质结构与功能的关系。
此数据集特别适合用于探索蛋白质突变与热力学性质之间的关系，构建预测模型，从而加速蛋白质设计和工程应用。
