牙龈 RNA 高通量测序数据集

数据清洗：用FastQC/fastp去除低质量读段（Q30＜80%）、接头污染及rRNA序列；剔除比对率＜70%或管家基因表达异常的低质量样本；过滤未注释基因及在＜3个样本中表达的基因，批量去除临床关键信息缺失记录。

标准化与注释：原始Reads Count统一比对至GRCh38/hg38参考基因组，基因ID映射至HGNC/Ensembl标准注释，表达量换算为TPM/FPKM并做log2归一化，用ComBat/Harmony校正批次效应；临床分组（健康/牙龈炎/牙周炎）按受控词表编码。

数据集构建：将样本临床特征表与基因表达矩阵按匿名化样本ID关联，整理为结构化表达谱宽表（CSV/TSV格式），对患者身份信息做不可逆去标识化处理形成最终数据集

搜集汇总

背景与挑战

背景概述

该数据集为牙龈RNA高通量测序数据，经标准化处理（比对至GRCh38/hg38参考基因组，表达量换算为TPM/FPKM并做log2归一化，使用ComBat/Harmony校正批次效应），构建为结构化表达谱。数据规模100条，覆盖牙周炎、牙龈炎等口腔疾病的发病机制研究、分子诊断标志物筛选及靶向药物研发等场景。