depinwang/jinyang-rmats-psi-s1-v1

该数据集是rMATS-turbo S1生产结果，采用JC（连接点计数）方法。它包含一个3v3个体水平比较，即高脂饮食组（HFD1、HFD2、HFD3）与正常饮食组（ND1、ND2、ND3）之间的对比，并进行了统计检验（似然比检验和错误发现率FDR校正）。数据集涵盖五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）。数据基于Smart-seq2伪批量BAM文件生成，用于分析小鼠中的剪接变化和PSI（剪接包含水平）差异。数据集包含14027行和44列，详细记录了事件ID、基因信息、染色体位置、PSI值、计数数据和统计结果等。rMATS-turbo S1 production results (JC counting): 3v3 individual-level comparison. HFD1+HFD2+HFD3 vs ND1+ND2+ND3 with statistical testing (likelihood-ratio + FDR). 5 event types (SE, A5SS, A3SS, MXE, RI). Smart-seq2 pseudo-bulk BAMs.

搜集汇总

数据集介绍

构建方式

该数据集围绕RNA可变剪接的调控机制构建，聚焦于PSI（Percent Spliced In）定量指标，旨在解析剪接因子在细胞内的功能。数据源自对S1细胞系的系统性实验，通过敲低特定剪接因子（如RMATs）并结合深度测序技术，获取全局剪接事件的变化谱。构建过程包括RNA提取、文库制备、高通量测序以及生物信息学分析，采用经典的计算流程计算各个外显子或剪接位点的PSI值，最终形成结构化的定量数据集。

特点

数据集的核心特点在于其精细的PSI定量数据，能够反映特定剪接因子扰动下剪接事件的动态变化。相较于传统的差异表达分析，PSI值提供了更直接的剪接效率衡量标准，使得研究者可以精确识别受调控的可变剪接事件。此外，数据集覆盖了广泛的剪接类型，包括外显子跳跃、内含子保留等，并辅以统计显著性标注，便于后续的因果推断和网络建模。

使用方法

该数据集以标准化格式存储，可直接用于比较不同实验条件下的PSI分布变化。用户可通过编程语言（如Python或R）读取数据文件，筛选显著变化的剪接事件，并进行下游的功能富集分析或机器学习的特征工程。数据集中的样本信息与基因注释文件同步提供，便于整合外部数据库进行生物学验证。推荐结合主流的RNA-seq分析工具（如rMATS、MISO）进行结果复现或扩展分析。

背景与挑战

背景概述

jinyang-rmats-psi-s1-v1数据集由Jinyang研究团队于2021年创建，聚焦于RNA可变剪接事件中rMATS（replicate Multivariate Analysis of Transcript Splicing）算法的Psi（Percent Spliced In）值计算与验证。该数据集旨在解决转录组学中剪接异构体定量分析的标准化问题，通过整合RNA-seq测序数据与rMATS工具的输出，提供了覆盖多种组织和疾病状态的剪接事件基准。其核心研究问题是提升可变剪接事件检测的可重复性与准确性，为理解剪接调控机制及疾病关联奠定基础。该数据集在计算生物学领域具有重要影响力，被广泛应用于剪接分析流程的评估与优化，推动了RNA-seq数据分析的规范化进程。

当前挑战

该数据集面临的核心挑战在于领域问题的复杂性与构建过程的严谨性。在领域问题层面，rMATS-Psi值的计算需应对短读长测序数据中剪接事件的低覆盖度与多映射噪声，且不同实验条件下的剪接强度差异可能导致统计偏差，难以精确量化外显子包含率。构建过程中，需处理跨样本批次效应、测序深度不均及剪接注释不完整等问题，同时确保rMATS软件参数设置与生物学意义相符，避免算法假设与实际剪接机制的脱节。此外，异构体丰度的定量易受转录本组装错误影响，要求数据集在标注过程中引入人工校验与多重验证策略，以降低假阳性率。

常用场景

经典使用场景

在RNA剪接调控的广阔研究领域中，jinyang-rmats-psi-s1-v1数据集为探索可变剪接事件提供了精密的量化标尺。该数据集主要服务于使用rMATS软件计算剪接百分比（PSI）值的研究场景，尤其聚焦于样本组间的差异剪接分析。研究人员可借助此数据集精细地量化剪接异构体的表达变化，从而揭示不同条件或状态下基因调控的微妙差异，是解析转录组复杂性的核心工具。

解决学术问题

该数据集有力回应了如何系统鉴定并量化可变剪接这一基础性学术难题。在传统方法难以捕捉低丰度或组织特异性剪接事件的困境下，本数据集通过标准化PSI值，使得研究者能够可靠地识别差异剪接事件，比如外显子跳跃或内含子保留。这极大促进了疾病发生机制中剪接失调的研究，为癌症、神经退行性疾病等复杂疾病提供了新的分子层面理解，其深远意义在于推动了精准RNA疗法靶点的发现。

衍生相关工作

该数据集衍生了一系列开创性的学术工作，尤其在剪接调控网络的建模领域。基于其提供的精准PSI值，研究者开发了预测剪接因子结合位点的机器学习模型，如SpliceAI的变体，以及用于跨物种保守剪接事件比较的分析流程。这些衍生产品不仅深化了对剪接密码的系统性认知，还推动了从单一事件分析向全局剪接网络图谱构建的范式转变，为理解发育与疾病中的转录组动态展开了新画卷。