Merge pull request #19 from Bue-von-hon/master

translate to korean

README.ko.md

@@ -0,0 +1,63 @@
+# ProteinNet
+
+ProteinNet은 단백질 구조에 대한 머신러닝을 위한 표준화된 데이터셋입니다.
+단백질 시퀀스와 구조, 다중서열정렬(MSA), PSSMs, 그리고 표준화된 훈련용, 평가용, 테스트용 데이터를 제공합니다.
+ProteinNet은 단백질 구조 예측 대회(CASP)를 기반으로 만들어 졌습니다.
+CASP는 이미 알고는 있지만 공개되지 않은, 단백질 구조에 대한 블라인드 테스트를 수행하는 대회입니다.
+데이터가 많거나 적은 환경안에서도 새로운 방법을 평가하기 위해서, 다양한 데이터 셋의 크기를 하나로 이어지는 데이터 형태로 제공합니다.
+
+** 이건 아직 개발중에 있습니다 **
+
+데이터 셋으로 만들기 위한 원본 데이터들은 아직 이용가능하지 않습니다. 하지만 ProteinNet 12에 쓰인 raw MSA data (4TB)는 요청에 의해 제공 될 수 있습니다.
+더 자세한 내용은 [여기](https://github.com/aqlaboratory/proteinnet/blob/master/docs/raw_data.md)를 클릭하세요
+
+### 동기
+
+단백질 구조 예측은 생화학 분야에서 가장 어려운 문제 중 하나 입니다. 이 문제는 생물학과 화학분야에서 중요한 주제이지만 머신러닝 커뮤니티에서는 생소한 분야입니다.
+이는 두가지 이유때문이라고 추측됩니다. 1. 높은 진입 장벽 2. 표준화의 부재 이 두가지 문제가 해결된다면 단백질 구조 예측은 비전인식, 음성인식과 더불어 머신러닝의 주요 분야가 될 수 있습니다.
+[ImageNet](https://www.image-net.org)이 컴퓨터 비전 기술 발전의 원동력이 되었듯이 ProteinNet은 머신 러닝 분야의 단백질 구조 부분에서 누구든 쉽게 시작 할 수 있도록 표준화된 데이터셋과 트레이닝, 평가, 테스트를 제공 할 것입니다.
+
+
+### 접근법
+
+CASP 대회는 2년에 한번 열립니다. 이 대회에서는 최근에 밣혀 졌지만, 아직 공개되지 않은 단백질 서열에 대한 구조를 전세계 참가자들이 해결하게 됩니다.
+대회 참가자들은 이런 구조들에 대해 블라인드 예측을 하고 정확성을 평가받게 됍니다. 따라서 CASP 구조는 특정 시점에서 얼마나 예측이 잘 되었는가에 대한 표준화된 기준점을 제공합니다. ProteinNet의 기본적인 생각은 CASP 테스트 셋을 사용하여 CASP에 편승하는 것 입니다. Proteinnet은 훈련, 평가용 데이터를 CASP 실험 이전의 조건을 재설정 함으로써 테스트 셋을 보완합니다. 특히 Proteinnet은 사용 가능한 서열과 구조를 시작 전에 제한합니다. 이건 [BLAST](https://blast.ncbi.nlm.nih.gov/Blast.cgi)와 같은 표준 데이터베이스는 히스토리 버전을 유지하지 않으므로 중요합니다.
+우리는 [UniParc](https://www.uniprot.org/uniparc/)의 타임리셋 버전과 [JGI](https://img.jgi.doe.gov/)에서 metagenomic 시퀀스를 사용하는데, MSA를 도출하는 시퀀스 데이터베이스 구축을 위해 이 두가지를 사용합니다.
+더 나아가 Proteinnet은 쉬운것부터 어려운 것까지 세분화된 평가 데이터를 제공합니다.
+쉬운 난이도에서는 모델이 단백질 구조의 마이너한 변화(이를테면 돌연변이)를 예측하는 능력이 어느정도 되는지 평가하는데 유용합니다.
+어려운 난이도에서는 모델이 완전히 새로운 단백질 접힘(CASP Free Modeling)을 예측하는데 도움이 됩니다.
+이런 평가 데이터는 모델이 데이터셋의 분포 변화를 얼마나 잘 커버하는지 테스트하기 위한 가반성 문제를 제공합니다.
+우리는 이런 점을 Proteinnet의 가장 어려운 평가 셋이 CASP FM보다 어렵다는 점에서 알 수 있었습니다.
+
+### 다운로드
+
+Proteinnet의 기록은 두가지 형태로 제공됩니다. 하나는 사람과 기계 모두 읽을 수 있는 텍스트 파일(프로그래밍 가능한 파일), 다른 하나는 텐서플로에 특화된 TFRecord파일입니다. 파일 형식에 대한 더 많은 정보는 [여기](https://github.com/aqlaboratory/proteinnet/blob/master/docs/proteinnet_records.md#file-formats)를 클릭하세요.
+
+| CASP7 | CASP8 | CASP9 | CASP10 | CASP11 | CASP12* |
+| --- | --- | --- | --- | --- | --- |
+| [Text-based](https://sharehost.hms.harvard.edu/sysbio/alquraishi/proteinnet/human_readable/casp7.tar.gz) | [Text-based](https://sharehost.hms.harvard.edu/sysbio/alquraishi/proteinnet/human_readable/casp8.tar.gz) | [Text-based](https://sharehost.hms.harvard.edu/sysbio/alquraishi/proteinnet/human_readable/casp9.tar.gz) | [Text-based](https://sharehost.hms.harvard.edu/sysbio/alquraishi/proteinnet/human_readable/casp10.tar.gz) | [Text-based](https://sharehost.hms.harvard.edu/sysbio/alquraishi/proteinnet/human_readable/casp11.tar.gz) | [Text-based](https://sharehost.hms.harvard.edu/sysbio/alquraishi/proteinnet/human_readable/casp12.tar.gz) |
+| [TF Records](https://sharehost.hms.harvard.edu/sysbio/alquraishi/proteinnet/tfrecords/casp7.tar.gz) | [TF Records](https://sharehost.hms.harvard.edu/sysbio/alquraishi/proteinnet/tfrecords/casp8.tar.gz) | [TF Records](https://sharehost.hms.harvard.edu/sysbio/alquraishi/proteinnet/tfrecords/casp9.tar.gz) | [TF Records](https://sharehost.hms.harvard.edu/sysbio/alquraishi/proteinnet/tfrecords/casp10.tar.gz) | [TF Records](https://sharehost.hms.harvard.edu/sysbio/alquraishi/proteinnet/tfrecords/casp11.tar.gz) | [TF Records](https://sharehost.hms.harvard.edu/sysbio/alquraishi/proteinnet/tfrecords/casp12.tar.gz) |
+
+* CASP 12 테스트 셋은 미완성입니다.(엠바고중임) 엠바고 끝나면 공개하겠습니다.
+
+### 문서
+* [ProteinNet Records](docs/proteinnet_records.md)
+* [Splitting Methodology](docs/splitting_methodology.md)
+* [Raw Data](docs/raw_data.md)
+* [FAQ](docs/FAQ.md)
+
+### PyTorch Parser
+Proteinnet은 텐서플로기반 공식 파서를 제공합니다. 파이토치기반의 파서는 [Jeppe Hallgren](https://github.com/JeppeHallgren)씨가 만들었고, [여기](https://github.com/OpenProtein/openprotein/blob/master/preprocessing.py)서 이용 할 수 있습니다.
+
+### 인용
+인용은 [여기](https://bmcbioinformatics.biomedcentral.com/articles/10.1186/s12859-019-2932-0)서 부탁드립니다.(BMC Bioinformatics 링크입니다)
+
+### 감사의 말
+이렇게 데이터 셋을 만드 수 있었던 것은 전부 [HMS Laboratory of Systems Pharmacology](https://hits.harvard.edu/the-program/laboratory-of-systems-pharmacology/about/), the [Harvard Program in Therapeutic Science](https://hits.harvard.edu/the-program/program-in-regulatory-science/about/), 그리고 [Harvard Medical School](https://hms.harvard.edu)의 the [Research Computing](https://rc.hms.harvard.edu) 그룹 덕 입니다. 그리고 [Martin Steinegger](https://github.com/martin-steinegger)와 [Milot Mirdita](https://github.com/milot-mirdita)에게도 MMseqs2, HHblits software packages에 대한 많은 도움에 역시 감사를 표합니다. [Sergey Ovchinnikov](https://site.solab.org/)에게는 metagenomic sequences 제공에 대한 감사를 표합니다. [Andriy Kryshtafovych](https://predictioncenter.org/people/kryshtafovych/index.cgi)에게는 CASP 데이터에 대한 도움에 감사를 표합니다. 또 [Sean Eddy](https://github.com/cryptogenomicon)에게는 HMMer software package에 대한 도움을 받아 이에 감사를 표합니다.
+이 데이터 셋은 전부 하버드 대학의 the [HMS Research Information Technology Solutions](https://rits.hms.harvard.edu) 그룹이 주도했습니다.
+
+### 펀딩
+이 프로젝트는 NIGMS grant P50GM107618 and NCI grant U54-CA225088
+
+# translate to korean by Bue-Von-hon
+hoping to be helpful....