Datasetpublic

fabricioslv/omnimind-genomic-sequences-6sp

Genomic Sequences — 6 Species (20kb windows, Etapa C replication) Sequências genômicas reais (NCBI/Ensembl) usadas no pipeline OmniMind Etapa C/D: 20.000 bp ACGT filtrados por espécie, mesmas regiões e janela da Etapa C (nucleotide-transformer-v2-50m-multi-species). Species Chromosome Source Homo sapiens 22 NCBI Saccharomyces cerevisiae chrI NCBI Caenorhabditis elegans chrI NCBI Drosophila melanogaster 2L NCBI Arabidopsis thaliana 1 NCBI Escherichia coli… See the full description on the dataset page: https://huggingface.co/datasets/fabricioslv/omnimind-genomic-sequences-6sp.

sourceHugging Facecc-by-4.0updated 1mo agoView on Hugging Face

0likes36downloads

Dataset Card

Genomic Sequences — 6 Species (20kb windows, Etapa C replication)

Sequências genômicas reais (NCBI/Ensembl) usadas no pipeline OmniMind Etapa C/D: 20.000 bp ACGT filtrados por espécie, mesmas regiões e janela da Etapa C (nucleotide-transformer-v2-50m-multi-species).

Species	Chromosome	Source
Homo sapiens	22	NCBI
Saccharomyces cerevisiae	chrI	NCBI
Caenorhabditis elegans	chrI	NCBI
Drosophila melanogaster	2L	NCBI
Arabidopsis thaliana	1	NCBI
Escherichia coli	Chromosome	NCBI

Uso: tokenização de janelas de 1000bp (171 tokens) para extração de hidden states e TDA (persistent homology) — comparação com Hi-C real (ver fabricioslv/omnimind-hic-multispecies).