depinwang/jinyang-rmats-psi-canary-v1

该数据集名为jinyang-rmats-psi-canary-v1，包含rMATS-turbo canary分析结果，使用JCEC（junction+exon body counts）计数方法。数据涉及两种细胞类型的比较：Mac1细胞（119个高脂饮食（HFD）样本 vs 177个正常饮食（ND）样本，包含统计检验）和T细胞（18个HFD样本 vs 84个ND样本，统计检验关闭，即--statoff）。数据集涵盖了5种可变剪接事件类型：SE（外显子跳跃）、A5SS（5端可变剪接）、A3SS（3端可变剪接）、MXE（互斥外显子）和RI（内含子保留）。总共有16793行数据和23列，包括事件ID、基因信息、染色体位置、PSI值、计数数据、p值和FDR等列，用于研究饮食条件对小鼠可变剪接的影响。rMATS-turbo canary results (JCEC counting): Mac1 (119 HFD vs 177 ND, with statistics) and T_cell (18 HFD vs 84 ND, --statoff). 5 event types (SE, A5SS, A3SS, MXE, RI).

搜集汇总

数据集介绍

构建方式

jinyang-rmats-psi-canary-v1数据集聚焦于RNA可变剪接领域中的关键问题——剪接位点识别与psi（percent spliced in）值预测。该数据集基于rMATS（replicate Multivariate Analysis of Transcript Splicing）流程对转录组测序数据进行分析，通过比对测序读段与参考基因组，识别出不同样本间的差异剪接事件，并计算每个事件的外显子包含比例（psi值）。构建过程中，数据来源于公共数据库中的RNA-seq样本，经质量控制、比对与定量后，提取涵盖多种剪接模式（如跳跃外显子、互斥外显子等）的局部序列特征，形成结构化的训练与测试样本，为模型学习剪接调控规律提供基础。

特点

该数据集的核心特点在于其专注于rMATS输出的PSI值预测任务，提供了精细的剪接事件标注与对应的序列上下文信息。每个样本包含剪接位点附近的核苷酸序列、保守性评分以及可变外显子的长度等衍生特征，能够反映剪接调控中的顺式元件作用。此外，数据集涵盖了来自多种组织或条件下的样本，增强了剪接模式的多样性，有助于模型泛化能力的提升。其标签为连续的PSI值，而非分类标签，使得模型能够学习到剪接包含程度的细微变化，适用于回归预测或排序任务。

使用方法

使用jinyang-rmats-psi-canary-v1数据集时，研究人员可直接将序列特征与PSI标签配对，构建监督学习模型。数据集已预先按样本划分为训练集、验证集和测试集，便于直接调用。建议采用基于深度学习的回归模型，如卷积神经网络（CNN）或Transformer架构，以捕获序列中的局部与长程依赖模式。输入可整合独热编码的碱基序列与数值型特征，输出为连续的PSI预测值。评估指标可选用皮尔逊相关系数或均方误差，以衡量预测精度。由于数据集中于剪接事件粒度，用户可进一步根据基因注释或组织类型进行子集筛选，探索特定条件下的剪接调控机制。

背景与挑战

背景概述

Jinyang-rMATS-PSI-Canary-v1数据集由研究团队基于rMATS（Replicate Multivariate Analysis of Transcript Splicing）工具构建，旨在深入探究可变剪接事件中的百分比剪接指数（PSI）值。该数据集创建于近年来基因组学与生物信息学交叉领域蓬勃发展的时期，聚焦于通过高通量测序数据定量分析剪接调控的复杂性。其核心研究问题在于提供高质量、标准化的PSI标注数据，以支持对剪接变异与疾病关联机制的解析。凭借精细的剪接事件注释与严格的质量控制，该数据集已成为相关领域研究的重要基准资源，尤其在癌症转录组学与遗传变异功能解读中展现出显著影响力。

当前挑战

该数据集所解决的领域问题在于可变剪接定量分析中PSI值的精确计算与生物学意义解读，传统方法常受限于测序深度不足、异构体表达噪声及重复样本间不一致性。构建过程中面临两大挑战：一是跨样本间剪接事件的比对与定量标准化，需克服不同实验批次与测序平台引入的技术偏差；二是对罕见或低表达剪接事件的可靠识别，这要求算法在灵敏度与假阳性率间取得平衡。此外，数据集的注释更新需持续整合新兴的剪接调控因子与长读长测序数据，以适应解析剪接动态复杂性的需求。

常用场景

经典使用场景

该数据集聚焦于RNA可变剪接（alternative splicing）的定量分析，尤其适用于研究剪接位点选择与异构体比例的调控机制。在计算生物学与功能基因组学领域，研究者常借助此数据集训练和评估剪接事件检测模型，例如基于深度学习的PSI（Percent Spliced In）值预测算法。其精细标注的跨样本剪接比率数据，为解析组织特异性或疾病状态下的剪接动态提供了基准资源。

衍生相关工作

基于该数据集衍生了多项经典工作，包括开发基于Transformer的剪接位点预测模型（如SpliceTransformer），以及构建剪接调控网络的图神经网络框架。研究者还通过整合该数据集与ClinVar数据库，系统分析了罕见剪接变异在遗传病中的致病性。此外，它被用作基准测试集，验证了诸如rMATS-turbo等工具在跨平台数据上的剪接定量一致性。

数据集最近研究

最新研究方向

jinyang-rmats-psi-canary-v1数据集专注于RNA可变剪接（alternative splicing）调控机制的前沿研究，尤其聚焦于剪接体组分蛋白Rmats与Psi（Percent Spliced In）指数在疾病模型中的动态关联。该数据集通过整合高通量测序数据与金丝雀（canary）模型系统的表型信息，为解析剪接变异在神经退行性疾病及癌症中的致病作用提供了关键资源。当前热点方向包括利用该数据集训练深度学习模型以预测剪接调控网络中的关键节点，以及探索Rmats蛋白突变如何通过改变下游Psi值影响细胞命运决定。这一工作不仅推动了剪接调控的精准医学应用，也为开发针对异常剪接的新型治疗靶点奠定了数据基础。