数据集概述
本数据集整合FireProtDB的序列突变热力学稳定性数据（ddG）与RCSB PDB的蛋白质结构文件，用于训练预测蛋白质点突变稳定性变化的模型。包含3438个突变数据及对应结构，支持蛋白质工程与结构生物学研究。
文件详解
- 压缩包文件：
- fireprot_upload.zip：压缩包格式，包含数据集所有内容
- 目录与子文件：
- pdbs/目录：存储所有蛋白质结构的PDB文件
- csvs/目录：存储突变数据的CSV文件
- 4_fireprotDB_bestpH.csv：主数据集文件，含3438个突变（覆盖100种蛋白质），核心字段包括pdb_id_corrected（对应pdbs/目录结构）、ddG（稳定性变化值）、wild_type（野生型氨基酸）、mutation（突变氨基酸）、pdb_position（PDB文件中突变残基的0基索引）
- fireprot_splits.pkl：数据集划分文件（训练/验证/测试集）
- splits/子目录：含训练/验证/测试/无同源序列子集的CSV文件，索引对应主数据集
适用场景
- 蛋白质工程研究：训练预测点突变热力学稳定性变化的模型
- 结构生物学分析：探究蛋白质结构与稳定性的关联
- 生物信息学应用：开发蛋白质突变效应预测工具
- 学术研究复现：支持ThermoMPNN相关研究的实验复现与扩展
