Sequências genômicas reais (NCBI/Ensembl) usadas no pipeline OmniMind Etapa C/D: 20.000 bp ACGT filtrados por espécie, mesmas regiões e janela da Etapa C (nucleotide-transformer-v2-50m-multi-species).

Species Chromosome Source

Homo sapiens 22 NCBI

Saccharomyces cerevisiae chrI NCBI

Caenorhabditis elegans chrI NCBI

Drosophila melanogaster 2L NCBI

Arabidopsis thaliana 1 NCBI

Escherichia coli… See the full description on the dataset page: https://huggingface.co/datasets/fabricioslv/omnimind-genomic-sequences-6sp.