Data Set Information:

突变型p53蛋白的生物物理模型产生的特征可用于预测p53转录活性。所有类别标签均通过体内分析确定。

为了重建此数据集的历史子集，提供了以下文件：
K8.instance.tags-为K8.data中的每个实例提供精确的标记，用于历史定义文件：
K1.def-定义“K1”集中的实例。
K2.def-定义“K2”集中的实例。
K3.def-定义“K3”集中的实例。
K4.def-定义“K4”集中的实例。
K5.def-定义“K5”集中的实例。
K6.def-定义“K6”集中的实例。
K7.def-定义“K7”集中的实例。
K8.def-定义“K8”（完整）集合中的实例。

Attribute Information:

每个实例总共有5409个属性。
属性1-4826表示二维特征和基于曲面的特征。
属性4827-5408表示基于三维距离的特征。
属性5409是类属性，它是活动的或非活动的。
类别标签解释如下：“活性”代表转录活性的活性p53，而“非活性”标签代表癌性的非活性p53。类标签是通过实验确定的。

More information is provided in the relevant papers cited.

Relevant Papers:

Danziger, S.A., Baronio, R., Ho, L., Hall, L., Salmon, K., Hatfield, G.W., Kaiser, P., and Lathrop, R.H. (2009) Predicting Positive p53 Cancer Rescue Regions Using Most Informative Positive (MIP) Active Learning, PLOS Computational Biology, 5(9), e1000498

Danziger, S.A., Zeng, J., Wang, Y., Brachmann, R.K. and Lathrop, R.H. (2007) Choosing where to look next in a mutation sequence space: Active Learning of informative p53 cancer rescue mutants, Bioinformatics, 23(13), 104-114.

Danziger, S.A., Swamidass, S.J., Zeng, J., Dearth, L.R., Lu, Q., Chen, J.H., Cheng, J., Hoang, V.P., Saigo, H., Luo, R., Baldi, P., Brachmann, R.K. and Lathrop, R.H. (2006) Functional census of mutation sequence spaces: the example of p53 cancer rescue mutants, IEEE/ACM transactions on computational biology and bioinformatics / IEEE, ACM, 3, 114-125.

Citation Request:

If you use this dataset, please cite the relevant papers above.  Thank you.