収録基準

このデータセットが対象とするのは、生物学的な機械学習モデル、つまり生物学的データ（生物の配列、分子構造、分子の性質に関するデータなど）で学習したモデルである。ここでは、収録の基準と、データの集め方の概要を説明する。

基準

データセットに収録されるには、機械学習モデルが次の基準をすべて満たす必要がある。

• モデルが存在すること、および機械学習に関わるものであることが、信頼できる文書で確認できる。
• モデルが学習の要素を含んでいる。学習によらないアルゴリズムは対象外である。
• モデルが実際に学習されている。実験結果のない理論上の記述は対象外である。
• モデルが、次のような生物学的データで直接かつ明示的に学習されている。
  • 生物の配列データ
  • 生体分子の構造データ
  • タンパク質などの生体分子の適応度、病原性、その他の生物学的性質
  • 細胞レベルのデータ（細胞の種類、発現量、空間データや画像データなど）

探索の手順

このデータは主に文献調査によって集めた。ただし、一部のモデルは、業界の主要な研究所が出した注目度の高いモデル、注目すべき論文の参考文献、協力者からの随時の提案など、ほかの情報源から集めた。

収録範囲

2026年9月23日時点で、データセットには383のモデルが含まれており、そのうち 個に計算量の推定値がある。データセットは生物学モデルを網羅しているわけではない。歴史的に最も重要なモデルと、2023年と2024年に公開された重要なモデルを収録するよう努めているが、重要なモデルの一部がデータセットから漏れていると考えている。