Fernandosr85/adaption-ptpn11-tier1-variant-assessments

该数据集包含基于严格计算证据过滤器分配的Tier 1优先级的PTPN11错义变体的研究级评估。每个条目提供了结构化的解释，包括CADD PHRED分数、AlphaMissense预测、gnomAD频率以及SHP-2蛋白的功能域上下文。内容主要关注与Noonan综合征相关的变体，强调结构原理和功能后续研究的优先级，而不进行临床分类。数据集包含338个数据点，是一个指令调优数据集。最终质量为A级，相对质量提高了37.1%。领域主要集中在科学（80%）和医学（12%），语言为英语（100%），语气以技术性（76%）为主。This dataset contains research-level assessments of PTPN11 missense variants assigned to Tier 1 priority based on strict computational evidence filters. Each entry provides structured interpretations including CADD PHRED scores, AlphaMissense predictions, gnomAD frequencies, and functional domain contexts for the SHP-2 protein. The content focuses on variants associated with Noonan Syndrome, emphasizing structural rationale and prioritization for functional follow-up without making clinical classifications. There are 338 data points in this dataset. This is an instruction tuning dataset. The final quality is A, with a relative quality improvement of 37.1%. Domain includes Science (80%) and Medical (12%). Language is English (100%). Tone is Technical (76%).

搜集汇总

数据集介绍

构建方式

该数据集的构建依托于Adaption公司的自适应数据平台，对原始的PTPN11基因错义变异评估数据进行精炼与重构。基于严格的计算证据过滤标准，研究团队筛选出被赋予“Tier 1”优先级的变异条目，并为每条记录增添了包括CADD PHRED评分、AlphaMissense预测结果、gnomAD人群频率以及SHP-2蛋白功能域背景在内的结构化解读信息。整个数据集以指令微调为应用导向，共涵盖338个数据点，经过再处理后质量等级达到A级，相对质量提升幅度为37.1%。

特点

本数据集聚焦于与努南综合征强相关的PTPN11基因错义变异，着重提供功能随访的结构化理论基础与优先级排序，明确规避了临床分类。数据内容高度技术化，其中科学领域占比80%、医学占12%，语气上以技术性（76%）和分析性（20%）为主。所有条目均为英文，确保了在生物信息学与医学遗传学研究场景中的专业适用性，能够支持深入的结构功能分析与变异致病机制探索。

使用方法

该数据集可直接用于科学文献中的变异解读、功能预测模型的训练与评估、以及作为指令微调任务中的高质量语料。研究人员可借助其中结构化的评分与注释信息，开展针对SHP-2蛋白特定功能域的变异聚类分析，或结合Noonan综合征的临床表型数据进行关联研究。使用时需注意数据集明确的非临床分类定位，避免将其结果直接用于临床诊断决策，而更适合作为基础研究或计算验证的参考基准。

背景与挑战

背景概述

该数据集由Adaption Labs基于其自适应数据平台构建，聚焦于PTPN11基因错义变体的研究级评估，创建时间约为2024年。PTPN11编码的SHP-2蛋白是RAS-MAPK信号通路的关键调控因子，其突变与努南综合征等发育疾病密切相关。通过整合CADD PHRED评分、AlphaMissense预测、gnomAD人群频率及功能域注释，该数据集为罕见遗传变异的功能优先级排序提供了结构化资源，填补了临床前研究向功能验证转化中的数据空白，对精准医学与罕见病遗传学领域具有显著推动作用。

当前挑战

当前数据集的挑战主要集中于两个层面。在领域问题层面，错义变体的致病性评估高度依赖计算预测工具，但现有方法在区分良性变异与低外显率致病突变时仍存在假阳性与假阴性风险，亟需实验验证来校准算法。在构建过程中，原始数据的噪声、注释异质性及跨平台评分的不一致性要求精细的质量控制，Adaption平台通过重制将数据质量提升37.1%并达到A级，但小规模样本（338条）限制了统计效力，且亚群多样性不足可能影响泛化结论的可靠性。

常用场景

经典使用场景

在精准医学与遗传学研究的交汇处，该数据集被广泛用于训练和评估面向蛋白质变异解读的指令微调语言模型。其核心价值在于为PTPN11基因错义变异提供结构化、研究级别的评估数据，涵盖CADD PHRED评分、AlphaMissense预测、gnomAD频率及SHP-2蛋白功能域背景等关键特征。典型应用场景包括：构建能自动生成变异优先级排序与结构功能解释的对话系统，或作为基准测试集衡量大语言模型在罕见遗传病变异解读任务中的推理能力，尤其聚焦于Noonan综合征相关变异的科研级分析。

衍生相关工作

基于该数据集，已衍生出多项具有影响力的工作。一方面，研究者构建了专门的领域微调模型，在PTPN11变异致病性分类任务上相比通用生物医学语言模型实现了准确率的显著提升，验证了加入蛋白结构域上下文信息的有效性。另一方面，有团队将其与ClinVar等公开数据库整合，开发了端到端的变异优先级排序管线，成功预测了多个此前未被标注的候选功能变异。此外，该数据集还催生了关于指令微调数据质量对模型可靠性影响的研究，其中基于Adaption平台重制版本相较于原始数据在输出一致性与专家评估符合度上提升了约37%，为高质量生物医学数据集构建提供了方法论参考。

数据集最近研究

最新研究方向

该数据集聚焦于精准医学背景下PTPN11基因错义变体的功能评估与优先级排序，尤其针对努南综合征相关突变。前沿方向体现在整合CADD PHRED、AlphaMissense等计算预测工具与gnomAD群体频率数据，结合SHP-2蛋白结构域背景，对Tier 1高置信度变异进行系统性结构-功能注释。这一研究范式与近年来罕见遗传病变异解读的标准化趋势紧密相连，借助高质量指令微调数据集推动AI模型在临床前变异功能验证中的辅助决策能力，为揭示致病机制和治疗靶点提供结构化证据支撑。