Upload README_CELL5.md with huggingface_hub

README_CELL5.md

@@ -9,21 +9,21 @@ tags:
 
 # 🌌 Cell 5: Quantum Metabolomics & Compounds
 
-این README داده‌های جمع‌آوری‌شده توسط **Cell 5** را مستند می‌کند، که در پیکربندی `cell5_metabolomics` اجرا می‌شود و از پیکربندی `default` سلول‌های ۱-۴ مجزا است.
+This README documents the data collected by **Cell 5**, which runs in the isolated `cell5_metabolomics` config to prevent schema conflicts with Cells 1-4.
 
-این مجموعه داده از یک **اسکیمای توسعه‌یافته** (۴۹ فیلد) برای گنجاندن ویژگی‌های شیمیایی دقیق استفاده می‌کند.
+This dataset uses an **Extended Schema** (49 fields) to include detailed chemical properties.
 
 ## Statistics
 - **Version**: v10.0.0
 - **Total Records (All Runs)**: 417
-- **RDKit Enabled (This Run)**: ⚠️ No
+- **RDKit Enabled (Last Run)**: ⚠️ No
 - **Last Updated**: 2025-11-12
 
 ## Data Access
 
-داده‌ها به داده‌های خام و اسپلیت‌های train/val/test تقسیم شده‌اند.
+Data is separated into raw data (one 'train' split) and processed splits (train/val/test).
 
-### ۱. بارگیری تمام داده‌های خام (توصیه می‌شود)
+### 1. Load All Raw Data (Recommended)
 ```python
 from datasets import load_dataset
 dataset = load_dataset(
@@ -35,7 +35,7 @@ dataset = load_dataset(
 # (dataset contains 417 records)
 ```
 
-### ۲. بارگیری اسپلیت‌ها
+### 2. Load Processed Splits
 ```python
 from datasets import load_dataset
 splits = load_dataset(
@@ -49,10 +49,10 @@ splits = load_dataset(
 ## Data Sources (All Runs)
 | Collector Source | Category | Records |
 | :--- | :--- | ---: |
-| chembl | unknown | 338 |
-| uniprot | unknown | 70 |
-| kegg | unknown | 7 |
-| bigg | unknown | 2 |
+| chembl | compound | 338 |
+| uniprot | enzyme | 70 |
+| kegg | compound | 7 |
+| bigg | metabolic_model | 2 |
 
 ## Schema
 This dataset uses an **Extended Schema** with 49 fields, including `cid`, `inchikey`, `canonical_smiles`, `molecular_weight`, etc.