Supplementary Files

Important files containing frequently used gene and TE annotation files 1. MANE_genes_hg38: MANE annotated gene lists 2. hg38_gencode_rmsk_indi: Combination of TE individual gtf file and hg38 gencode V41 gtf file 3. hg38_repeatmasker: RepeatMasker database for hg38 4. hg38_gencode_rmsk_indi_loc_annotate: TE locational information(exonic, intronic, intergenic) at individual levels 4.long_read_TPM_simulation:TPM values from long-read used during simulating short-read in Spanki

本数据集收录若干常用基因与转座子（Transposable Element, TE）注释文件，具体如下：
1. MANE_genes_hg38：MANE注释基因列表
2. hg38_gencode_rmsk_indi：转座子个体GTF（General Feature Format, 通用特征格式）文件与hg38 Gencode V41 GTF文件的整合文件
3. hg38_repeatmasker：针对hg38构建的RepeatMasker数据库
4. hg38_gencode_rmsk_indi_loc_annotate：个体水平转座子的位置注释信息，包含外显子区、内含子区与基因间区
4. long_read_TPM_simulation：Spanki软件在模拟短读长测序数据过程中，所使用的长读长测序数据对应的TPM（Transcripts Per Million, 每百万转录本）值

搜集汇总

背景与挑战

背景概述

该数据集包含四个重要文件，涉及MANE注释基因列表、TE个体gtf文件与hg38 gencode V41 gtf文件的组合、hg38的RepeatMasker数据库以及TE位置信息。数据集使用CC BY 4.0许可，适用于生物信息学方法和基因组学与转录组学研究。