# Desafio - CD na Bioinformática - InteliGente — Data

来源：https://www.kaggle.com/competitions/desafio-cd-na-bioinformatica-inteligente/data

本地 Meta Kaggle 快照；不是本次实时页面。

# Dataset Description

🧬 **Descrição dos Dados**

O conjunto de dados desta competição contém sequências biológicas no formato FASTA, divididas em dois subconjuntos: treinamento e teste. Cada sequência representa uma entidade biológica (como um peptídeo ou proteína curta), e o objetivo é classificá-las corretamente em uma das duas classes predefinidas (positivo e negativo).

📁 **Arquivos Disponíveis****

- Pos_train_fasta.txt
- Neg_train_fasta.txt
- Seq_test.txt

Cada sequência está precedida de um identificador no formato FASTA:

>NPXXXXX
SEQUÊNCIA_DE_AMINOÁCIDOS

**Estrutura dos Dados**

- Formato: texto simples (FASTA-like)
- Composição: letras correspondentes aos 20 aminoácidos padrão
- 0 → Classe negativa ou 1 → Classe positiva
- O conjunto de treinamento deve ser usado para: extração de descritores, análise exploratória, 
seleção de características, validação cruzada, e treinamento do modelo.

**O conjunto de teste será utilizado exclusivamente para gerar as predições finais a serem avaliadas no leaderboard**.