数据集概述
本数据集是基于机器学习构建的益生菌序列数据库ProbioSML，包含1071个与已证实具有益生菌特性的微生物属相关的基因。数据集共4个文件，覆盖基因序列、预测结果及注释信息，为益生菌基因研究提供结构化资源。
文件详解
- 基因序列文件
- 文件名称：ProbioDB_1.0.faa、ProbioDB_1.0.ffn
- 文件格式：faa、ffn
- 字段映射介绍：存储与益生菌特性相关的基因序列数据
- 注释与预测结果文件
- 文件名称：db_overall.tsv、db_overall.xlsx
- 文件格式：tsv、xlsx
- 字段映射介绍：包含id、svm_method_prediction（SVM方法预测）、rf_method_prediction（随机森林方法预测）、lr_method_prediction（逻辑回归方法预测）、old_locustag、species_model、product、mapped、seed_ortholog、evalue、score、eggNOG_OGs、max_annot_lvl、COG_category、Description、Preferred_name等字段
适用场景
- 益生菌基因特性研究：分析与益生菌特性相关的基因序列及其功能注释
- 机器学习模型验证：基于svm/rf/lr方法的预测结果，验证不同模型在益生菌基因筛选中的性能
- 微生物分类研究：通过species_model、seed_ortholog等字段探究益生菌属的分类关系
- 基因功能注释分析：利用eggNOG_OGs、COG_category等注释信息，研究益生菌基因的功能分类
