Mol-Instructions 是数据集领域的开源项目，由 zjunlp 开发，2023 年首次发布。
它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 294。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-08-24。开源数据集，MIT许可证，完全免费，可自行下载使用。
它主要面向的使用场景是：药物研发中，利用LLM生成候选分子结构。同类可对比的替代方案包括 MolT5、Text2Mol、ChemData。
Mol-Instructions
用大规模指令数据，让大模型精通生物分子任务
Mol-Instructions 是一个面向生物分子领域的大规模指令数据集，旨在增强大型语言模型（LLM）在生物分子理解与生成任务上的能力。它解决了通用LLM在生物分子（如分子、蛋白质、DNA/RNA）专业任务上表现不佳的问题，通过提供超过200万条指令数据，覆盖分子理解、分子生成、蛋白质理解、蛋白质生成、生物分子设计等多个子任务。该数据集基于ICLR 2024论文，采用结构化指令格式，支持微调LLM以执行跨模态生物分子任务，例如从文本生成分子结构、预测蛋白质功能等。核心能力包括：大规模高质量指令数据、多任务覆盖、与主流LLM框架兼容。它为生物信息学和药物研发领域的AI应用提供了关键训练资源，推动LLM在生命科学中的落地。
开源
free
开源模型
GitHub 星标
★ 294
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队zjunlp
所属国家
定价模式free
价格说明开源数据集，MIT许可证，完全免费，可自行下载使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型ai-for-science,biomedical,dataset,datasets,generation,iclr2024,instruction,instruction-following,instructions,large-language-models,llama,mol-instruction,molecule,natural-language-processing,protein,resource,science
GitHub 星标★ 294
30天Star增速
HF 下载量
上线时间2023-04-12 00:00:00
最近更新2026-08-24 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数7
使用教程
核心亮点
- 包含200万+条指令，覆盖分子、蛋白质、DNA/RNA等多类生物分子任务，规模大且全面
- 基于ICLR 2024论文，数据构建方法经过学术验证，质量有保障
- 支持多种主流LLM微调框架，易于集成到现有生物信息学工作流
不足之处
- 项目处于早期阶段，文档和社区支持尚待完善
- 数据集的领域特定性较强，非生物信息学背景用户上手门槛较高
适用场景
- 药物研发中，利用LLM生成候选分子结构
- 蛋白质工程中，根据功能描述设计蛋白质序列
- 生物信息学教育中，训练学生理解生物分子与文本的关联
替代项目
MolT5、Text2Mol、ChemData
项目介绍
下一篇：meerkat
同类项目推荐
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models