---
title: txgemma-mtor-finetuning
canonical_url: "https://www.modelscope.cn/datasets/InfoxmedModel/txgemma-mtor-finetuning"
md_url: "https://www.modelscope.cn/datasets/InfoxmedModel/txgemma-mtor-finetuning.md"
repository: InfoxmedModel/txgemma-mtor-finetuning
chinese_name: "TxGemma mTOR领域微调数据集"
last_updated: 2026-07-28
license: "Apache License 2.0"
downloads: 92
stars: 0
---

# txgemma-mtor-finetuning

> txgemma-mtor-finetuning - InfoxmedModel 在 ModelScope 开源的数据集。用于TxGemma-9B-Predict的mTOR领域适配、scaffold划分和严格评测。

InfoxmedModel/txgemma-mtor-finetuning 是 ModelScope 魔搭社区上的数据集，采用 Apache License 2.0 许可。

- **Repository**: InfoxmedModel/txgemma-mtor-finetuning
- **License**: Apache License 2.0
- **Downloads**: 92
- **Stars**: 0
- **Last updated**: 2026-07-28

Source: https://www.modelscope.cn/datasets/InfoxmedModel/txgemma-mtor-finetuning

---

# TxGemma mTOR 领域微调数据集

本数据集用于 `google/txgemma-9b-predict` 的 mTOR 领域适配和严格 scaffold
评测，包含清洗后的表格、冻结划分和直接供监督微调使用的 prompt-completion JSONL。

## 内容

```text
processed/  清洗后的回归、分类数据及审计表
splits/     冻结的回归划分和分类嵌套五折划分
prompts/    回归与分类五折的训练、验证和测试提示词
```

本仓库不包含原始 ChEMBL/PubChem 下载快照、运行日志、模型权重或服务器训练产物。

## 数据规模

### 回归

- 严格数据集：3,005 个样本
- train：2,401
- validation：300
- test：304
- 预测目标：人源 mTOR 生化抑制活性的 pIC50

### 分类

- 数据集：609 个样本
- inactive：516
- active：93
- 评测方式：5 个外层 scaffold 折
- 预测目标：mTORC1 通路抑制 assay 的 inactive/active

### 提示词

- JSONL 文件：18 个
- prompt 记录：6,050 条
- 训练和验证记录包含 `completion`
- 测试记录只包含 prompt，不含答案，避免评测泄漏

## 主要文件

```text
splits/regression_strict_splits.parquet
splits/classification_nested_folds.parquet
prompts/regression_train.jsonl
prompts/regression_validation.jsonl
prompts/regression_test.jsonl
prompts/classification_fold_{0..4}_{train,validation,test}.jsonl
```

分类标签使用：

```text
A = inactive
B = active
```

回归 completion 为保留两位小数的 pIC50 文本。

## 划分原则

- 分子 scaffold 不跨同一评测设置的 train、validation 和 test 角色。
- 分类阈值只能在对应外层折的 validation 上选择。
- test 不用于训练、早停、超参数选择或阈值选择。
- 分类五折的 test 预测应拼接为完整 OOF 预测。

## 推荐用途

- TxGemma mTOR 单任务回归 LoRA
- TxGemma mTOR 分类五折 LoRA
- 回归/分类多任务 LoRA
- ECFP XGBoost、Chemprop 等结构模型的同划分对照

## 限制

数据反映特定 assay 定义和清洗规则下的活性，不等同于临床疗效、选择性、安全性或
可成药性。ChEMBL 回归与 PubChem 分类来自不同实验设置，多任务结果不应直接解释为
跨实验平台的生物学因果关系。