Update README.md

README.md

@@ -20,10 +20,10 @@ This dataset has been used as a pre-training corpus for the AgroNT model. Each s
 
 For each instance, there is a string representing the sequence, a string indicating the description of the sequence, two integers representing the index of the first and last nucleotide respectively. An instance is shown below:
 ```python
-{'sequence': 'AAACTACCACTGGCTAAATTTCGACCATCTGGGCTAATAGCAACTGACCGCACCCAATATTTATGTCCTTTAAGTGTGCGAATTAGCTTTCCTGTGCCTAAATTCCAAACTTTGAGAGTGTTGTCATCGCTACCACTCACCAAAATTTTCCCATTAGGACTAATTGTTAATGCTTGAATGGAGTCAGTATGTCCTGTTAATGTGTAGACTATTTTACCTGTTGCCAAATTCCAGGCTTTAATAGTTTGATCATCACTCCCGCTAACCAAAGTTTTGCCATTGGGACTGATAGCCACAGCATTAACTTTTTGCGAATGTCCACTCAGGGTTAGTATTTCTTTTCCTGTGGTCAGATTCCACATTTTAATTATGCGTTCCCCTTCGCCACTACTAGCAATTGTCTGCCCATCGGGACTAATGGCGACAGAGACAACAGATTTTGCCCCACCTTTGAGGGTGTTAGCTAAGGAAATATTTTTAACTGGAACATTGGGTGACTGACCAAAAACAACTTCACCCTGAGTAGGACTGTAATTTCCTGGCTTTAGTCTCGATAACAAACTGGTTTGAATTTGGTGATATTTTTGATACCAAGTATCACTAAAACCAAATAACAAAATGAAAGCAGCGCCTAAAACTAAACTTTTGACAAAAGCATATTTAAAGGAGAACTTTGCACTCGGTTGAGTTACGGTGAATTTTCCTGATGATTGTCCGGCGGCTGGTAAGGCGCGTGGGAGTGATGGAATCAAATCTTTAATCACTTCATCGGCTGACTGGTAGCGTTGACTTAAGTCTTTTTGCAACAGCTTCGTCATCACCCCTTCCAATTCTGGCGACAAAGGACTACGCAAATATTCCCGCCAACTGTTCGCCCAGCCATAGCCATGTTCCATCCACAATTGAAAAGGGGATGTTCCTGTTAAGAGATGAAAACAGGTAGCCCCCAAACTGAACAAATCACTAGCTGGGTAAGCTTTACCGTCTCTGATTTGTTCCAGTGGAGAATAACCATGCGAACCAATGGATGTACCATTTTTATTCTTGACTTTTTCGGTTAATTGCTTAGAAGAACCAAAATCAATCAAGCTAAGTCGCCCATCATAACGACAGCGAATTAAATTTTCTGGTTTAATGTCTCGGTGAATCACACCGCGATCGTGAATGAATTTGAGTACAGGCAGTAAATCAAGTAAAATTGCTTGAATTTCATTCGCTTTATAGACTTTGCGCTGTTGTAATTCTTTTAACAAGTTCTGCCCATTAATAAACTGTTGTACCAAATAAAGGCAGTTATCTTGTTCAAAGTAAGCAATCAGTGTAGGAATTTGCGGATGTTCGCCGAGTTCTTGCAGTCGCTTGGCTTCTTCTGCAAATAACTCCATTGCTTTTTTCTGCGACCAAGTTCCTTGAAATTTCGGTGCTAATTGCTTAATTACACACAGTTCATTGAGTTTATCGGTATCTTCAGATAAATAAGTTCTGCCAAATCCCCCCTCATCGGAAAGCACCCGAATCACTCGAAAGCGATTTCTTAATAGTGGCACCAAGGGGGTGCTACAAGTTTGGCATGACTGCTTTCCTTTGGGATTTAGGGGATTTGGACAATCGGGATTTAAGCAGCAGATCATTATCTGACAGGCGCAACTGCATAAAAATTTTTACTAAATTAACCCCGATATTTCCCTAGATGATGATTGACTCTCACGTATTGATGGTAGATCCCGCTGGTAGTGGGGAGTGGGGAATCAATTATATAGTCAATTTTGGTAAATGCTCATAAGTTTTCTTCAATGCAGGAAAACTACGAGAGTCATCAGCTGAATTTTATCGATTATAGCAGCAGGCAAAAGTAGCAGACAGGTTAAGAGTGTCATTAGTCAAGACAAATGACTCATGACTAATGACTCATGACTAATAACTAAGGCTTTTGGGTGGCGATCGCTAATTTTGCCCCCTGGACTTGTCTGACTTGATCCATCACTGCCACTACTTTACCGTGGGTGACTGTTGCATCAGCATTCACAATTACTAATGCTTCTTGGTTATCGCCTACCAAGGTACGCAATTGTCCGGCTAAACCGTCAACAGTGCTTGGTTGACGGTTAACACTTACTATTCCATCTTTATCTACTGTGACGGTAATTTTGGCTGGAACTTGCTGCTGTTTGGCTGTCGCCGCTTTGGGTAAGTTGACGGGTAAACCTTCTGAGCGAGTTAAAAATAACGTTGACATGATAAAAAATGTCAAAATCGCAAATATCACATCAATCATTGGCACGATGTTGATTTGCGGTGGTAAATCTGGCTCATCTTGTAGACGCATAGGTTCTGTCTCCTCGTTCAAAGCGGCGGCGATAGAGCAGTTCTAATTGTCCACCATATTCTTGTATTGCGGCAATCTGTCGTTGATATAACCCTCGAAAGGTATTAGCAAATAAAAGTATAAAAATAGCCACAATTAAACCTGAAGCTGTAGATACCAGCGCTTCACTAATACCTGCGGTAACTCCTGCGGTTTTTGTCCCGCCTACATCACCCAAGTTTAATGATGCAAAAGAAGCAATCAAACCTAATACAGTACCCAGTAGACCTAAAAGTGGTGCAAGACCAATAATTGTGTCAAACATATTTTGAAAACGTTTGAGAACTGGGATTTCGGCTTGCGCTTCACTTTCTAGTGCAAGCCGAAATTCTTCTGGGGTTGGTTCTTCTAATTGCAACGCCGCTAAAAAAATCCGTGTCATGGGCAAATCTGCATTCTTTTGCAATTTATCCAACGCGCCAACAACATTATCAAGGCGGTAAAGATTCAACACTTCTCTGACTATGCGGTTTTGCCGAGTATTGATGCGATACCAAAAGCGGACTCGCTCGATAATTAAAGCAATTCCCACCACACTAAACGCCAGCAGGGGCCACATGACTACGCCACCTGCTACAAACAACTCATACATGGGCAATATCTCTAGGAACTAAATGGACAACGTTACAGTTAGACTAGCAGTTTACGGTACTAAATGATATATCTTATCAATAAGGAGTAGACAAAATAAAAAGCTATGTCAAATTCGGTTGAGTTTTGATGACATAATTATTCATTCTTGTTCAAGGCTTGATTCGCTACAATCCTGATGATGAAAGTATTTGTGTAAGTATACAGTTGATGAAAGCTAACTCAGGAATTTTTTTCTTTATTGCTTGACTTTTGCGAGAGATGGTTTTGAACAGAGTAATTACTAATAAGAACTTGCAATAAATTTAAACAGAACAGTAGTTTGTAGCTTTGCTTGAGAAGCGATCGCCCGACGTTGAGAGTTAAAGTATATTTTGCGTACTAACTTACCCAACGCCCAAAAAATTACATCATTTGAATATCGTCAATTTGTACTCTTAATCATCTATGGCTAAACTATTTGACTCAATCACAGAAGAACTGCAAGAGTTTATTGCAGCCCAAAACCTTTTCTTTGTAGGAACCGCGCCTCTGAGTGCTACAGGTCACGTTAATTTATCTCCCAAAGGTCTCGATTGCTTGCGGATTTTATCACCCCACAAAGTCGCCTATCTCGATCTCACAGGTAGCGGTAACGAAACTTCAGCCCATCTGCAAGAAAATGGTCGCATTACCTTCATGTTTTGCGCCTTCACTGAACCAGCGCGCATCTTGCGACTTTACGGTCAAGGACACGTAATTTTACCTAGCTATCCTGATTGGGATTCTGTATATTCAGTGTTTCCGCCGCTACCAGGAACTCGTCAAATTATCGTAGCTGATATTGAGATTGTGCAAAGTTCCTGTGGTTTCGGCGTTCCTCTTTACGAATACCAAGGTCAACGCCAAACACTAGTAAATTGGGCTGCTAAAAAAGGCGAACAGGGAGTCCGAGAATATCAACAACAAAAAAACAGCATCAGCATTGATGGTTTACCGACACCATTAGGCCAATTATCTGACGGTTAAAGCGGCGTTTCATATATTTTTAGTTAATCTGAACCAAAAAATCTCAAATTTTTTGTCAATAGTCTCTAGTCCAAAGAAGCTTGATTTTTGACCATAGATTGTAGGCTTTTGACAAAAATAACCTTTATAGAGAAAATTTATCCTTGCTGACACTCTATAACTAAGTTTATAAAACATAGCGTCAAAAATCGATACATATCAGTTCTATTTTCTGCCTCTATTCCTAATTAAATTTGGTGTAAAGGAACTATTATGCGGTTTCCGTGTCTTGACGTAATGATTTGCAACGAATTATGATTCGAGTTTAGTCCGGATCAACCGAGACATCCTCGAAAATTGGTGCAAGTAAATTCAACTTTCGCTCTACATAATCACACGCATGAGATTACGCTTATTTCTGTTTAGCGTTGTCAGTATTGTCCTGCTTTCTTCTCCAGTAAGAGCATCTCGCTTAGAATCTTGGAGCTTTGACACCGCACAAAATCAACTGAATATTACTACTGTATCTGGTGTTAAACCAAGAGCATTTTTAATTCAAAATCCCACGCGGTTAGTTATCGATCTTCCTGGTACACAACTGAACACAAATACAGTTCGGAAAAACTTTGGTTCCACAGTACGTGAAATCCGTGTTGGTAAGGTTGACGATAACACAACAAGATTAGTAGTTGAATTAGCACCTGGATACACTGTAGACCCTAACAAGTTACTGCTGCAAGGTGATTCTTCCACTCATTGGATAGTGAAATTTCCATCGGTAGAACGGGTTCAAAATCCTGTTGATAATAATTTTTCTTTATCTAGTGAAGAGCAAATTCCGGTTTCTGTGAGTGATGTTTCTTTGTTTGCGGGAGTTGTACCGTTAGGTAAGGAAATACCACAATTGCGATCGCAGGTACAAGCCTTAGCTGCTCGTTATCGTTCCCTGGATGCAGGAATGTTCTTTTTAGATTTAGATACTGGTAACTATCTAGATTTAAATGGTGAGAAAGTCTTTCCTGCTGCTAGTACAATAAAGTTTCCCATTTTAGTAGCGTTATTTCAAGAAGTAGATGCAGGTAGAGTCAAACTGAATGAAACCTTAGTTATGCGGCGCGACTTAATAACTGGAGGTTCTGGAGAATTTCAATACAAGCGTGCAGGAAGTCGTTTTAGTCTGATAGAAACCGTGACTAAGATGATTACCATCAGCGACAACACAGCTACCAATATGGTAATTGACCGATTAGGTGGTAAAGCTAAGTTAAATCAGCGTTTTCGTGGTTGGGGTCTGCAAAACACCGTTGTGCGGAATTTACTCGGCGACTTTAAGGGAACGAATACAACTAGCGCCAAAGATTTAGTCAGGCTGTCTGCGTTGGTTGCAAAAAATCAATTATTGACTGATTCCAGCCGTAGCAAAGTTTTGGATATTATGCAGCGTGTTCACAACACCAAGTTATTACCTGCTGGTTTGGGTAAAGGTGCGGTAATTGCTCACAAAACCGGAACTCTAGGCATTGTACTAGGTGATGCCGGGATTATTCAAATGCCATCTGGTAAGCGCTACTTAGCCGGAATTTTTGTCAGAAGACCTTTTAATGATTTAAAAGCGCGAGATTTTATCAATCAAGTTTCTCGAATTGTTTACGGCTATTTAGACCAACCAAGAGTCGCCAGCAAGCCTTAATACTCCTGATGTAAAAAAGAAAAATTTTAATTGACGTAAGCCCCTGATATTCATTAATATCTAGGGGTTTTTGCATATCTATTTATAGCAGTGCTTAACGCACCCTATCTCTCAGTGCGTTACGGCTAATCCTTATTCTCTTAAACTAACAAATTCTTGCATAGCCGTAACACATTCTAATTCATATTGGCTTTGAAGGATATTGACTGTATTCCTGCCAAGTTGGCTACATATACCTAAGCCGCACTGCTAAATTATGAATGGGAAATAACTTGCGGGCTTGATAAACCAACTTTTACTACACTAAACATGCTAAAGCATTAACAACGGACGGATTTAGGTTAGTTGCTTATTTTGCTCACTCTTGTGAGAGATTGCTGCTGTTTTTATTGTAGCGATCGACATCAAACTTCTTTATCTCTAAAAGGACAAATATAACAGGAAGTCCTCATTGATTACTCCTATCCTCACCTCGTTCATCGCAAAATGTACGAGGGCTTTTTTTATTTGGCAGAATTTACCCCTATTACGCCAATGATAATTAAAGCTATCGAGAAAAGTTTGGTAAGAGACATTGATTCACGAAACCAAATTACCCCAATAGTAGCGATTACAGTTGTGCCTAAACCTGACCAAACAGCATACGCAATGCTGACTTCAATTTTTTTAAGAGCTAAAGTTAAAAAACTAAAACAAATTCCATAACAGATAAAAATTAAAACCGAGGGAATAGTTCTTGTAAACCCCTCAGACAATTTCATGGAAGTTGTACCAGCGACTTCAAATAAGATTGCTGCAATGAGATAAAGCCAACTATTTACCATGTTTATTGATTGATTATAAGGTGATGATGGGAATATGATTTTTCGACAAGCATAATGAGTCAAAATTCTATATTTAATCTATTAACTAATTCTGCTATTTTGACAACATTTATAGTTAGCTGATGAGATAGGCAAAAATCAAAATATTCATATTTCCGAATTAGTAAAGAAGTTGGTAATCTCTAAAGTTCAGTTTACCACACCAATATTATGGGGGTTTACCGTACTAATACTAAGGTTCGGAAATCATGATGTAATTGGTGATAAAAACCGAATTTACACTGTACTGGATTGTGAATACTATAAAAACAACGCAAATGATTTAAACCTAAATCAACTACACAAAATTAGAAATTAAACGAGGTGGAGACATGACATTAGTGCGTTGGAATCCTTGGCAAGAAATGAACACTCTCCAAAGACAAATCAACAATTTATTTGCAGACGAAATGCTCCCATCTACTTTACTTGAAAGAAGCCTTACAAAAGTTCCGGCGGCTGAATTACACGAATCTGAAGAAGCTATTCATCTCAAGCTAGAATTACCAGGAATTGAAGCCAAAGACCTAGATGTGCAAGTTACAGAAAAAGCTGTGTATATCAGCGGTGAACGGAAATCTGAAACTAAAACAGAAGGGAAAGGTGTAACCAAGAGTGAATTTCATTATGGGAAATTCCAACGTTTGATTCCTTTACCAACTCGCATTCAAAATACCAATGTTACTGCTGATTATAAAGATGGTATTTTGACTCTGACTTTGCCTAAAGCCGAAGAAGAAAAGAAAAAGGTTGTCAAGCTGAATCTTGAATCTATTGGCTAATATCAATTTTGGATTAGCGCTAAAATACCCGACTTCTTTAAGAAGTCGGGTATTTTGTTGTTCACTAATGATTTAAAATTGCTATAAGCTGCGATTTCTGCCTGTTGATTGTTGTCTGTCTACGGGAAAAACGTCAAAATCGAAAGTTGCAATTAGACGCTCATCAACGTATACCTGTATTTTATGCTTACCAGGAGGATCACCTGCGGCGATCGTCCAATAGTTTTCAATTACACCATCATTAGCTATAGTTTTGCGCCTCATTACCGACTCTGTACCGTCAGCGGAGACTGTGAAGTTTTCACCATCATCTGTAGCCCAAGTTTCTGGGGGTTTTGGTAAGCGTAGGACTTCTCGCCATGTAACTTCGCCTTGGTAGTCTTTGAGTTGAATTCGCCACCCATATTTACTACCTTCTTGTAGTGGGACTCTGAATGTGGGGATGAAGTTAACTTTACCTCTAGCATCGACTCTCGCTATGCCAAACTCAGCTTTGTCGATCGCTACCGACTTTTTAGTATTGTTTGCTTGAGAAATTGACCCTGATGATGCTATTTTTTCGTCGGAGATCGCTACTGTAGCATTGATTGGCTGAGACGCTACCAACCCGGAAACTAGCCAAGAAGAAGTTAGTACAACTATTGCAGTCCAAATTCTCATCAGCAAAATTTTTGGTCATTTACTAGTACTTATTCCCGCCTTCCCATTGGCTTCCGGGTACAGTCCCGATAAATAGCCAAGTTGGCAGAATAAAAGTTGCAGAATTAATAGTCAGTTTATAGTTAAATCGGCAACACCAGATCAAGCCACTCAAACTACTTTACTCTCGGGCCAGTTGCCAGAACTGCGAAAACTATCATCGCAGGTTTTCGGTGTAGGTGCTAAATATGCGTTTATTCTTAACTATTTTGTGTTCAATACGGAATTTTTAATATGTAAGCAATTGCTGACAGTCGGCTATTTGATCAATTGTCATTTCCTAGAGTTTCATCCCCTTGAGGGGAAGGAGTTTGGGAAATGTCAAAAACTGTCAAATGCTTAATGCAAAGATTAACAGTTGTGCCTAAGTGCGATCGCACTTAGGCATGACAAAGCATCAAAAATTAGCATTGGAGAACCGATATTTTCCTATTACCTGACTGCTATATATTGATAGTGAGGCGTTTTTGAGCAGCAAACAGCATGGCAGATATTCCAAATTCCATCGCATCATACCGTGCCTTAGCACTGCAAGTTACCTGTCATGCTGTGAATCAAGCGAGCGATCGCCACGCTGTCCAAGAAATCATTCATCATACTATCAACCGCCTGGCGCAACAAATCGCCGCCAGTATTGCTTTTATTGGTTTTGACTGTCGTTTAATTGTTTTACCAGAATATTTTCTGACAGGTTTCCCGATGGGTGAACCTTTGGCTGTTTGGGGAGAAAAGGCTTGTATAGAAATGCACGGTGCCGAGTATGAAGCCCTCAGTAAAATTGCTCAAAAACATCAGATATTTTTAGCTGGTAACGCCTACGAACTCGACCCCAATTTTCCTGGCTTATACTTTCAAACTTGCTTTGTGATTGACCCGGCTGGTGCTATTGTCTTGCGGTATCGGCGGCTAAATTCGTTATTTGCACCCACACCTCATGATGTTTGGGATAAATATCTTGATTGTTACGGCCTAGAAGGGGTGTTTCCTGTAGCGAAAACTGCAATTGGCAATTTAGCCGCTTTAGCTTCCGAAGAAATTTTGTATCCAGAAGTAGCGCGGTGTTTAGCAATGCGTGGTGCAGAAATTTTTCTGCATTCCACTTCTGAAATTTATAGCAAAAACCTCACACCTAAAGATGCGGCGAAAATTTCTCGCGCTGTGGAAAATATGGCTTACGTTGTGTCTGCGAATACCGCAGGTCTAGCTAATAGTTCTATACCCAGCGCTTCTGTTGATGGTGGCTCAAAAATAGTTGACTATCGCGGTATCGTATTAGCAGAAACAGGTGCAGGCGAAAGTATGGCAGCTTTTGCAGAGATAGATTTAACTGCTTTAAGACGCGATCGCCGTCGTCCAGGGTTAAATAATTTACTGTCTCGCCAGCGATTTGAACTCTACGCCCAAAGCTACAGCCAGTCACAATTTTATCCAGCAAACACTATGCTAAATCAAGAATGCGATCGCCAACACTTCATCCAAACACAGCAACAAACCATAGAACGTCTATCTCAGTTAGGAGTGATTTAAAAGTCTAAAGTCTGAAATTAGATTCTTTTGACCATTGACTATTGACAAATGACAAATGACAAAACCAATCGAAGTCCGTAACCCGCGAACGGGAAAATATGATTATGTAATTATCCCACCGCCGCCGAAACTGCTGGCGCAGCAATGTAACCGAGCGCGAAGGGCGCAAGTGCGTTGGCAAAAACTGGGCGTAGAAGGGAGAGTTGCAGCTTTAAAAGAATGGAAGCAAGCAGTTTTGGCTGGACGCGAAAAGCTCACAGATGCTTTGGTCAATGATACGGGTAGATTATCTATATCAGTGATGGAAATCGACTCATTCCTTTCTAGCATCGATCGCTGGTGTGGATTAGCGCCAGATTTATTACAAGATTCGGCCAAAAATACATCAATTCCGTTCATCGCCTTACAACAAACATCAACGCCTTACCCTGTAGTTGGGGTAATTAGTCCTTGGAATTTCCCTCTGTTGCTGTCTACGATAGATACCATTCCCGCACTGTTGGCGGGTTGTGCTGTAGTTGTCAAACCCAGTGAAATTGCACCGCGTTTCATCGCCCCACTGATAGCTGCAATTAATCAAGTACCCGCCTTGCGCGATGTTTTCAGTTTTGTGGAAGGTGCGGGAGAAACTGGCGCGGCTTTGATGGAGAATGTAGATTTAGTTTGTTTTACCGGTAGTGTCGCTACTGGACGCAAAGTTGCAGAAGTCGCCGCACAAAGATTTATCCCCGCTTTTTTGGAATTGGGCGGGAAAGATCCGGCGATCGTGTTGGAATCTGCCGATTTAGAATTAGCCACATCAGCGATTTTATGGGGTTCCGTCGTTAACACCGGACAGTCTTGTTTATCAATTGAGCGTATTTACGTTGCCGAATCTATCTTTGAAAAGTTTTATCATCAGTTAGTAGCCAAAGCACATCGCCTACAACTAGCCCATCCCACCATTGAAAGTGGCGAAATCGGCCCCATTATTGCTGAAAGACAAGCTGGCATAATTAACGAGCATATCTCCGATGCAGTGCAAAAAGGTGCAGTAATTCATTGTGGCGGTAAAGTTGAAGAGTTAGGCGGTGGTTGGTGGTGTCATCCCACAGTGCTGACTCATGTTAACCATACAATGAAAGTCATGACCGAAGAGACTTTTGGCCCGATCATGCCAATCATGCCTTTTGCCACAGTAGAGGAAGCTGTTAACTTAGCCAACGATTCAATTTATGGACTGAGTGCGGCGGTGTTTGCGGAAACCGAAACTGAAGCGTTAACAGTTGCCCAGCAAATAGATGCAGGTGCTATCAGTATTAATGATGCCGCCCTCACCGCCATTATGCACGAAGGTGAAAAAAACGCTTTCAAATTATCCGGTTTAGGCGGTTCACGTATGGGTGCAGCCGCCATCAAACGATTTTTGCGGAAAAAAGCGTTTTTGATTAAAACCAACTCAAATCAAGACCCTTGGTGGTTTGAGCCTAAAGTGTAGTGCAATCTTCTCTCAGCGACCTCTGCGTCTCTGTAGTTCGTTAAAAACCGTATTAGATTCTGTTTGTTGGGTTTCGCTGTCGCTTCACCCAACCTACTTTCCTTAAACCCCTACTACAGATTCATTCACAGTTTCACTAGCCGCAACACCATTAGTCAAAATCGCTTGCCGAGTTTTCAGGTTAAATTTATAACCATGTGGCAAAATATGCAGCTTCGCACCACAAATTGCCAAAGGTTCATCCCGGAGAATTGTATCTGCGTTGTTATATGTAGATTCAGACTCATCCACAATGGTGACTGAACCTTCACCAATAATTTCGATTTGGTCATCAGTCACGGCGATCGCTGTATTCTCATCAATCCCAAATCCTAACACCGCAGGTTCATGAATTAAAGCTGTAATTAAACGCCCTAAGCGTCCCCGTTGTAAGAAATGTTGGTCAATCACCACCCCTGGGAGAAAACCCATACCAGGCCCCATTTCCACAATTTCCATCCGTGGTGTACTTTGAGAATCACCCTCAACAATCATTTTATCGGGCATCACAGCCGCACCCGCACTAGTACCTGCAATTACTGCACCTTCAGCATAGCGTTGGTGAATAGCCGCATCGATTTCGGTATCCTTGAGGATACTAGTAATTCGCGCTTGGTCTCCTCCAGTAAAAAATATCCCAGTCGCCTTAGCAATAGCTTCTAAAGCCGTAGAAGACCTAGCATCTTCACGAGTTTCTGTATCAATAATGCGAACGTGTTCTGCACCTAGCCGTTCAAAAACTCTAATATAATTTTCCCCCACTTCTCTAGGCAGTTCTGTGGCGGCCGTCATAATTACAATATTGGCTTTTGTACCCCCAGCCCGACGGACAAATTCTCGCAGAATCACACAATCTCCTTCTTTATCTTCTGCGCCACCAATAATTACCAACTGGCGTTTATGTGCAGTTTCTGTCATAATGCCCCCCGGATAACCGGATTAGAATTTAATTTAGATTAATTTCAATAAAACATGACAATTATCACAATCAAATCATCCATTTGATAGATTAATTTTTAATGGCAAAAGTTAAATTATATATAACTTTATGTATATATAAACTCTTGCCAAATTTAGCATTTTTAATAATTGGTAATTCATTTAGCAGAATTACCAATTACTTATACAGTAATAATTTATGTATAACTCTTCTCAAGTAATAGCACTAAAATCTCATAGT',
- 'description': 'NZ_AP018174.1 Anabaenopsis circularis NIES-21 DNA, nearly complete genome',
- 'start_pos': 1824000,
- 'end_pos': 1836200,
+{'sequence': 'CCAAATAGTTGATACTACTTGCCCATGGGTTTCAAAGGTATTTGTTTCCCTTTTCTATCAGAGTAGAGAATAAGGTCTTGGATTTCCCTTGAATATCTTTTTCATAAATAATGTGTTAATTTCCACTAAAGGTCTGGAACTCTGTTGAGAAGCACAAGAAGGGTGATTACACTTCAATCATACATGGTAAATATTCACACGAAGAGACTATTGCAACAGCCTCATTTGCAGGAAGATATATTGTCGTAAAGAACATGACTGAGGTAACGATTTGTTAATTAATAATCAGTTTATTGTGAATCATATTTACAAATAAACGTTTTTTACTACCATTTTCTGTTAAAAAAACAGGCAATGTATGTATGCGATTACATTCTTGGTGGGGAATTAGATGGGTCTAGCTCTACAAGAGAAGCATTTCTTGAGGTATATTGATTCTTTTCTTCCATAATATTTGCACAAAAGAAAATAAGATTTAAAAATGTGTCCATGTGTTGCAGAAATTCAAAAACGCTATTTCTGCGGGATTTGATCCAGATGTTGACTTAGCTAAAGTTGGCATTGCAAATCAAACCACGATGCTCAAGGGTGAAACAGAGGAGATAGGTAAGTTTAATGTTTGCAATGCTTACTGTTTCTATCCAATTCTAAATATAGTGTTCAAGTAAACACTGAAATTTCAGGTAAATTGGTTGAGAAGACCATGATGCGCAAACACGGTGTAGAGAATGCCAATGATCATTTTGTCAGCTTCAACACCATATGTGATGCTACCCAGGTAGGCTTACTGATTTTTTTTTTTCCTTTTTTGTTTTTCTAATTGGAATATTCAATTCAAAATTTAAACTGCTAAGGTATTGTTTTTCTCCTTTACATTTTGTTAAATCCATGCAATTCACTCATTCCCACTTTTTCATAACCTTTTAAACCTCATTTATCATACCATCTACTTACTCTTTAGATTTGCAAATTAGAGCACTGCAATTTCTGTGGAAGTGAACCAAAAGCGAAAGGGGATAGAATACTTTCATGTGATTGAATTTTATAGTCCCTTTTGTATTAATCTATTCAATTGCTGGTTTAGTTTCCCCTTATCACATTCTCTTGCACAACTTCAGGAAAGGCAAGATGCTATGTTCAAGCTGGTGGAAGAGAAACTCGATCTTATTCTGGTCGTTGGTGGGTGGAACTCCAGTAATACTTCACATCTCCAAGAGATCGCAGAGCTCAAGGGAATCCCGTCCTACTGGATTGACAATGAACAGAGAATTGGACCAGGAAACAAGATCACCTATAAGTTAAATGTATGTTGTACACGCGCAGTTTGTATAATTATTTATATTGCGAACTTGATGATTTTAATTATCATCTTATCTGTTTGTACAAACGCAGCATGGAGAGCTGGTCGAGAAAGAAAATTGGCTTCCTGCTGGACCAATCACTATTGGTGTCACCTCAGGGGCTTCTACTCCTGACAAGGTATATATATTAATTCAAGAGTTGAAAAATCCCTTGGTTAAAGTATTAAGTCGCGGGATCTCCTTCATCTTATTAACAATTTCCACATGGCTTATGCAGGTCGTGGAGGAAGCATTGGGCAAGGTCTTTGACATTAAAAGCCAAGAAGCTCTGCAAGCGGCATAAATTGAGAGGACTTGAGCAGTGTTTTGAGCTGAAGTATCACTATCGCTTAACTTGTACGGTACTAGAAATGGGATTGCATAAGAGCACTCCCTTATCGACAGGAAATGCTGCAGTCCAAAATCTATCCTGCCATTATTATTTTATTTTATTTTATTTTGTTTTGTTTTATTTTTGTGTTGTGACATTAATTTATGCATGCTGGTCAAGGCCTGGTTGAGCCCAGCGAGTTCTCTCACCCAATCCATTTTACAAAATGGTCTGATAAAGTTATGATATTGTTTTGCGGTTTAATTATCCGGATTCCAGCAGCATCCTTGTTATGATATTATCATTTTAACAGTAAAAAAATAAAATAAAGTGTGTTATATTTAAAATAAAGAGATATTGCATTAAATACATTTTTTTTAAAAAAAACATTATGATAATTTGAATTATGCTAACTTAATTATAACGGGTGAAACTTAAGAATCACATATAATCAGTGGTGGATCTAGATAAAAAAAGAAGAGGGTATTAGAAGAAAAGAATTGAAGTTTGTCTTCCTTCACTATCCGACTGTAGCATATTAATAGAATTTTTTAAAAACAAGAGGTACTCAAGCACATCTCCGCGCTCCTAGATCCATCACTGCATATAACAACAATGAAATAAATCATTTTACTTTTTTTCATCAACTCTCCATTTGCTTAACGTTAGCCGTATAAGATAGCACGTGATGGAGAGCTTCTCGATTTTTTAAATTATTTTGTAAGAGCCATAAAATATTATTTAAATTAAATAATTATTTTATATTTAAAAATAATGATTTATTTTTTAAAAAAGAACTAGAGAGCGAGAGACAGCGTACAGGATTCTTTTTCTAATTATTCCGGCCCAGAAACCTGCTTCTTCGAGTTATTAGAGGGACCCTCAGCTTACCTTATACGGAGAGCAGCCTGGACGGTGTCTGAACGAGAACGGAGAAAGATGCAAAGCCAGCGAACAACACAAAACAAAGGCCGAGATCTCCAAACCCCATAACCCTACCTTAAACCCATGATCACAACTAGATTCTTCCCTCATTCGCGTTTCTTCCTCCCCTCGCACCTGCCCACTCTCTGCCGGCCCATCCACTCCGGCGCTGCCCACCCCCGCATCACCAGATCTGAGCTCGTCGACCGGATATGCCGCATCCTCACCCTCGAGCGCTTCCACGCCATTCCCAAGCTTCCCTTCCGCTTCTCCGACGATCTCCTCGACGCCGTCCTCGTCAGGCTGCGCCTCGACGCCGACGCCTGCCTGGGCTTCTTCCGGATCGCACTGAGGCAGCAGTACTTCAGGCCCAACGCGGAATCTTATTGCAGAATTGTCCACATTTTGTCTCGAGCACGCATGTTCGACGATGCGAGAGGGTTGTTGAGGGAATTGGTGGCGATGATGAGCTCGGCTAGCCCGGAGCCGTCTGTCTCTTTTGTTTTTGATCGGATGGTTAAGGTGTACAAGGAGTTCACTTTCTCTCCTACGGTGTTTGACATGCTCCTGAAGGCTTATGCTGAGGGTGGATTGCGAAAGGAGGCTCTTTTTGTGTTTGATAATATGGGGAAATGCGGATGTCAGCCTAGTTTGAAGTCCTGCAACAGCCTTTTGAGTAGTTTGGTTAAAGGAGGGGATATTAACGCGGCAATTCTAGTTTATGAACAGATGTGCAAAGCTGGGATATTACCTGATGTTTTCACAACGTCTATAATAGTTAATGCCTATTGTAAGGGTGGAAATCTAGAGAAAGCCTTGAGCTTTGTGGCAGAGATGGAAAGGAAGGGGTTTGATGTTAATATTGTGACTTTCCATTCTCTGATCAATGGGTACTGTAGTTTGGGCCAGACGGAAGCGGCACTCAAGGTGTTCGACATGATGACTAAAAGAGGGATTTTGCCAAATGTTGTCTCTTTTACTTTGTTGATTAAGGGTTACTGCAAAGAAGGCAAGGTTAAGGAAGCCGAGAAAGCCCTTGTTGACATGAAACAGCTCCATGGTTTGAGTCCTGACGAAGTTGCTTACGGTGTGCTAATTAACATTCATTGCCAAATGGGGGGAATGGATGATGCAATGAGAATCCGGGATAAAATGTTGAGTGAAGGGATGAAGGAAAACATATTTATTTGTAATGCAATGATCAATGGGTATTGCAAGTCCGGAAGAATTGAGGAAGCAGAGATTTTGCTTTTCGATATGGAGAAGGGTCATCTAAAACCAGACTCCTACAGTTACAATTCTCTATTAGATGGGTATTGCAAGAAGGGTCTTATGAGAGATGCTTTTGGAATATGTGACAGGATGATAAGGAATGGAGTCGAAGTTACAGTTATAACTTATAATGCACTATTTAAAGGCTTTTGTCTGTCAGGTGCAATAGATCATGCCCTGAACTTGTGGTTTTTGATGCTGAAAAGAGCTGTTGCTCCAAATGAGATTAGCTGTTCCACATTGTTGGATGGGTTCTTCAAATCAAGGAATTATGAACAAGCCTTGAAATTTTGGAATGAGATACTAGCTAGGGGATTCACAAAGAACCAAATAACATTCAATACAGTGATAAATGGTTTTTGTAAAGCAGGGAAAATATCTGAGGCGGTGAATATTATGGAAAAGATGAAGGCCTGGGGATGTCCTCCTGATAGCATTACTTACAGGACATTGATTGACGGTTATTGTAAACTTGGTGATGTGGAGCAAGCTCTTAAGTTATGGAATGAGATGGAACCTTCTGGGTTTTCTCCTTCAATCGAAATGTTCAATTCTCTTATTTCTGGGCACTTCATAGCTAATGGTTCTGATAGGATTGATGGCCTTCTAACTAATATGCACAAGAGTGGACTGACTCCCAACATAGTTACTTATGGAATTCTGATTGCTGGATGGTGCAGAGAAGGAATGTTGGATAGGGCTTTTGATATATATTTTGAAATGGTTGCCAAAGGCTTAACTCCAAATACATACATATGCAGTGCCCTTGTTAGTGGTCTTTATAGACAGGGTAAGATTGACGAGGCAAATGCTATATTGGCAAAAATTGTGGATGCTAGCATGCTTCCAAAGTATGAAAATTCTGATAAGTACCTTAAGTGTGTTACGAACAATATCTACCATCACGAAATCACAAATCTGCTCGCTCAGTCTAAAAATGAGAATCTCCTGCCTAACAACATTATCTATAATGTTATTATTTGCGGTCTTTGCAAATCTGGAAGGATTTTGGATGCAAAACAATTTTTTGCAGACTTGTTGCAGAGGGGTTTTGTTCCAGACAATTTTACTTACAGTAATCTTATTCATGGCTATTCAGCAGCTGGCAATATAGATCAGGCTTTTCAATTAAGGGATGAAATGATTAAAAAGGGCCTCTTTCCCAATATTATAACATACAATTCTCTCATCAATGGTCTCTGCATATCTGGAAATTTAGATAGAGCTGTCAATCTATTCAACAAGCTGCAGTCAAAAGGTTTAGCACCGAATGTTATTACATTCAACACATTGATTGATGGATTCTGCAGAGTTGGTAATCTAACAGAAGCATTCAAGCTGAAATATAAGATGATAGAGGCAGGAATTTATCCCAATGTTGTTACGTATTCTACACTAATTAATGGCCTTTGTTGCCAAGGGGAAATGGAAGCATCCATCAAACTCCTGGATCAAATGATTAGTAGTGGCGTGGATCCTAATTATGTTACGTATAGCACGTTGATCCACGGTTATATCAAATCTGGAGAAATGCATGAGATACCAGAACTATACGAAGAAATGCATATACGTGGGCTTTTGCCAGTGTCTAATTTCAGAGGAAACATGAGTCCAACACCTGTAACTATAAAAACAAGGCAGATAAATAGTGCTGAACAATTAGATGTATCAATACATTCTGAAGGGTAGCTTCTTTGTTGGAAATTCTGCTCTAGATTGTTGATCTTTCATATTGCAACTCTTAAAGGCACTAAAACAATCCTTATCCTGCTTCATGCTGATTCGAAAGTCCAGATTACAATTTCAACAGGAACAATTTAGTAATTCTCCATAAAATTCACAATTATTTCATATTCTTCAAACATACTGATTTCATTCCATGAATTTATTAGGGTAACGTACACAATCATTATCAGTTTTATCCTGGTATCTTCTCCAAAGTCATTCACATTAGCTCACTTTACCTTTGTGGTTCAGGAGATCCACATTGACTTTGTGAAGATGCACATGCAACCACATTATGCTGGGTATTCTTGTTCTGAAACCATGAGGTACTTTACTGAGATTATCTTTACGTCATCATGGATTCATTTTATTCTTGTGCTATCTAGCATGGTACTCTAATTCTGTTTTATTATAGATTTATTTATTGGTAAAAATAATGCTGTGGATGACACCACCTGTGCATTTGTGGTTTAGGGGGAAAATTGATTCAATGTATTTGAATTTCATTATAAAAAAATTGACCAATTCTGTTGTTTTCTTTGTGGATCTTCCTTTAGAGGCTAGTGTAGTTTTCATCTTCACACACACAAAAATAGAGCAGACAGTTC',
+ 'description': 'NC_055986.1 Zingiber officinale cultivar Zhangliang chromosome 1B, Zo_v1.1, whole genome shotgun sequence',
+ 'start_pos': 0,
+ 'end_pos': 6200,
  }
 ```
 
@@ -36,9 +36,9 @@ For each instance, there is a string representing the sequence, a string indicat
 
 ### Data Splits
 
-The Plant Multi Species Genomes dataset has 3 splits: train, validation, and test.                                              |
-
+The Plant Multi Species Genomes dataset has 3 splits: train, validation, and test.
 
+### Citation
 ```bibtex
 @article{mendoza2023foundational,
   title={A Foundational Large Language Model for Edible Plant Genomes},