人类转录本生物类型与蛋白质特征数据集-astrabertelli
数据来源：互联网公开数据
标签：人类基因组,转录组,生物信息学,蛋白质组学,生物特征,基因表达,生物类型,蛋白质特性,机器学习
数据概述：
本数据集包含了从GENCODE数据库下载并预处理的人类转录本信息。数据集的核心是转录本生物类型，这是GENCODE数据库提供的分类信息。此外，数据集还包含了一系列基于转录本序列计算的特征，主要通过Biopython库获得。这些特征分为两类：
1. 转录本序列特征：包括密码子适应性指数（Codon Adaptation Index）和校验和（Checksum）。
2. 蛋白质特征：基于DNA翻译后的氨基酸序列计算得到，包括疏水性、等电点、芳香性、不稳定性、分子量、二级结构百分比（螺旋、转角、折叠）以及摩尔消光系数（氧化态和还原态）。
数据用途概述：
该数据集主要用于生物信息学研究、机器学习模型的训练和评估。具体应用场景包括：
* 基因表达调控研究：分析不同生物类型转录本的表达模式。
* 蛋白质结构与功能预测：利用蛋白质特征预测蛋白质的结构和功能。
* 生物标志物发现：寻找与特定疾病相关的生物标志物。
* 机器学习入门：适合初学者使用决策树分类器进行数据分析和模型构建。
* 教育与科研：用于教学、科研项目，例如基因组学、蛋白质组学和生物信息学课程。
