im-sangwoon/protein-sft-uniprot

protein-sft-uniprot 단백질 연구 특화 LLM 학습을 위한 SFT(Supervised Fine-Tuning) 데이터셋입니다. UniProt 데이터베이스와 단백질 문헌에서 추출한 Q&A 형식의 대화 데이터로 구성되어 있습니다. Dataset Summary Total samples 1,551,711 Unique proteins 455,613 Format JSONL (chat messages) Size 462MB Sources Source Samples Description UniProtQA 1,513,126 UniProt 데이터베이스에서 구조화된 단백질 정보 추출 Protein2Text-QA 38,585 단백질 관련 문헌 기반 심화 Q&A Question Types Type… See the full description on the dataset page: https://huggingface.co/datasets/im-sangwoon/protein-sft-uniprot.