Add/update dataset card

README.md

@@ -45,10 +45,6 @@ N-말단 타일 11,467개가 들어 있습니다. 빼고 쓰시려면 `tile_idx
 
 ```
 embedding          (N, 30, dim)  float16
-control_psi        (N,)  float32      ← 주 라벨. 1~6, bimodal
-mln4924_delta_psi  (N,)  float32      ← MLN4924 처리 시 PSI 변화
-svm_predicted_psi  (N,)  float32      ← 원 논문의 조성 기반 SVM 예측
-degron_index       (N,)  float32      ← SVM 예측 - 실측
 peptide_id         (N,)  <U           ← 예: Q8IV38_ANKMY2_20
 sequence           (N,)  <U28
 uniprot_acc        (N,)  <U           ← 단백질 단위 분할용
@@ -58,7 +54,33 @@ row_offset/n_rows        int32        ← 샤드일 때 원본에서의 위치
 layer/model/dataset/token_layout      bytes
 ```
 
-라벨이 **모든 레이어 파일에 중복 저장**되어 있습니다. 파일 하나만 받아도 바로 회귀를 돌릴 수 있게 하기 위해서입니다.
+> **PSI 라벨은 이 저장소에 포함되어 있지 않습니다.** 원 논문이 오픈 액세스가 아니라 Table S2 를 재배포하지 않았습니다. 아래 '라벨 붙이기' 를 보세요.
+
+## 라벨 붙이기
+
+PSI 값은 원 논문의 **Table S2** 에 있습니다. 논문에서 직접 받아 `peptide_id` 로 조인하세요. 행 순서가 보장되지 않으므로 반드시 키로 맞춰야 합니다.
+
+1. [Mol Cell 2023, 83(18):3377-3392.e6](https://doi.org/10.1016/j.molcel.2023.08.022) 의 supplementary 에서 **Table S2** 를 내려받습니다 (xlsx).
+2. 아래처럼 조인합니다.
+
+```python
+import numpy as np, pandas as pd
+
+z  = np.load("ESM2_8M/L6.npz")
+df = pd.read_excel("Zhang2023_TableS2.xlsx", header=1)   # 1행은 표 설명문
+
+# 임베딩 행 순서에 맞춰 라벨을 재정렬
+lab = df.set_index("Peptide")["Control PSI"]
+y   = lab.reindex(z["peptide_id"]).to_numpy(dtype=np.float32)
+assert not np.isnan(y).any(), "조인 실패 — Table S2 버전을 확인하세요"
+
+X   = z["embedding"]
+grp = z["uniprot_acc"]
+```
+
+`MLN4924 deltaPSI`, `SVM Predicted PSI`, `Degron Index` 도 같은 방식으로 붙입니다.
+
+이 저장소의 서열은 `*`(종결코돈) 로 끝나는 8,487개를 이미 제외했으므로, Table S2 원본(260,989행)보다 적습니다. `reindex` 가 그 차이를 자동으로 맞춰줍니다.
 
 ### 레이어 키
 
@@ -137,9 +159,16 @@ hf download Limtat99/zhang2023-internal252502-emb --repo-type dataset --local-di
 
 fair-esm 과 HuggingFace `transformers` 두 백엔드가 `attn_implementation="eager"` 에서 비트 단위로 동일한 결과를 내는 것을 확인했습니다. 레이어를 여러 pass 로 나눠 뽑아도 한 번에 뽑은 것과 비트 단위로 같습니다.
 
-## 출처
+## 출처 · 인용
 
-- 펩타이드 서열 · PSI: Zhang et al. 2023, Table S2 (GPS peptidome screen) — **원 논문을 인용하세요**
-- ESM-2: Lin et al., *Science* 2023 — 모델 가중치는 MIT 라이선스
+펩타이드 서열은 아래 논문의 GPS peptidome 스크린(Table S2)에서 왔습니다. **이 데이터를 쓰시면 원 논문을 인용해 주세요.**
+
+> Zhang Z, Sie B, Chang A, Leng Y, Nardone C, Timms RT, Elledge SJ. **Elucidation of E3 ubiquitin ligase specificity through proteome-wide internal degron mapping.** *Molecular Cell*. 2023 Sep 21;83(18):3377-3392.e6. [doi:10.1016/j.molcel.2023.08.022](https://doi.org/10.1016/j.molcel.2023.08.022) · PMID [37738965](https://pubmed.ncbi.nlm.nih.gov/37738965/)
+
+| 구성 요소 | 출처 / 라이선스 |
+|---|---|
+| 펩타이드 서열 | 인간 프로테옴 (UniProt, CC-BY 4.0) 을 28잔기씩 타일링 |
+| PSI 측정값 | Zhang et al. 2023 Table S2 — **이 저장소에 포함하지 않음** (아래 참고) |
+| ESM-2 임베딩 | 이 저장소의 산출물. 모델은 Lin et al., *Science* 2023 (MIT) |
 
-> **TODO**: 공개 전에 Zhang 2023 의 정확한 서지정보와 라이선스를 확인해 채우세요. 지금은 라이선스가 지정되어 있지 않습니다.
+원 논문은 오픈 액세스가 아닙니다 — *Copyright © 2023 The Authors. Published by Elsevier Inc. All rights reserved.* 그래서 **PSI 라벨을 이 저장소에 넣지 않았습니다.** 임베딩과 펩타이드 식별자만 배포하고, 라벨은 쓰시는 분이 논문에서 직접 받아 조인하는 방식입니다 (위 '라벨 붙이기').