口腔阻生疾病基因表达与分子标记基准数据集

数据清洗：剔除测序质量Q30＜80%、比对率＜70%或管家基因表达异常的低质量样本；删除基因ID无法匹配Ensembl/HGNC注释、表达量为空及关键临床信息（年龄、阻生类型、炎症程度）缺失的记录。

标准化与注释：基因表达原始Reads Count统一转换为TPM/FPKM并做log2变换消除批次效应；基因及分子标记统一映射至RefSeq hg38标准ID，阻生分型按Winter分类法、临床炎症分级按受控词表编码赋值。

数据集构建：将样本临床特征表与基因–分子标记表达矩阵按匿名化样本ID关联，整理为基准结构化表达谱与标记注释宽表（CSV/TSV格式），并对受试者身份信息进行不可逆去标识化处理。

搜集汇总

背景与挑战

背景概述

该数据集为口腔阻生疾病研究提供标准化基准，包含经严格质量控制的基因表达谱与分子标记注释数据，数据规模100条，每周更新。数据源自测序样本，经过低质量样本剔除、基因ID统一映射、表达量标准化及临床信息编码等处理，最终生成结构化宽表。其应用覆盖发病机制研究、早期诊断标记筛选、靶向药物研发及手术辅助决策等场景。