本数据集为基于美国国立生物技术信息中心（NCBI）GeneExpressionOmnibus（GEO）数据库原始数据的衍生数据集。原始数据经过差异表达分析（DESeq2算法）处理后，本数据集进一步计算了基因长度、基因表达效应值，并进行了染色体分类，形成了可直接用于深度分析的结构化数据。该数据集应用于神经发育疾病机制研究、药物靶点筛选等生物医学研究场景。

数据需求发起与原始数据获取：佛山大学为进行SETD1A基因破坏对人类神经发育轨迹影响的分子机制研究，于2023年11月24日从NCBI的GeneExpressionOmnibus(GEO)数据库公开获取了原始数据集（数据库登录号：GSE237165）。数据集基于差异表达分析结果（包含baseMean、lfcSE、stat、padj等字段），本数据集进行了以下衍生数据处理：基因长度计算：gene_length = end_position - start_position，注：基于GRCh38参考基因组坐标计算基因长度；效应值标注：effect_size字段根据基因表达变化程度进行分类标注：Large：效应值较大的基因,Small：效应值较小的基因,染色体分类规则：chromosome_group字段按以下规则分类，chr1-chr12-chr13-chr22区间分为Autosome：c；chrX，chrY分为Sex_chromosome，染色体命名遵循GRCh38参考基因组标准

1.基础科学研究：用于深入理解SETD1A基因在人类大脑皮层发育过程中的分子功能及其调控网络，揭示神经发育的轨迹和机制。 2.疾病机制研究：SETD1A基因突变与神经发育障碍（如精神分裂症、自闭症）密切相关。本数据集可作为核心资源，用于研究这些疾病的潜在分子病理学。 3.生物标志物发现：数据集中的显著差异表达基因可能作为SETD1A功能缺失相关疾病的潜在诊断生物标志物。 4.药物靶点筛选：筛选出的关键差异表达基因及其通路，可为开发治疗相关神经系统疾病的创新药物提供候选靶点。

数据库序列 baseMean lfcSE stat padj hgnc_symbol chromosome_name start_position end_position gene_length effect_size chromosome_group ENSG00000141449 279.1843969 0.144989789 11.83145497 3.45526E-28 GREB1L 18 21242242 21525417 283175 Large Autosome ENSG00000008196 136.7918453 0.320565846 11.80677493 3.45526E-28 TFAP2B 6 50818723 50847619 28896 Large Autosome ENSG00000185551 1578.730684 0.123202326 11.0984078 8.16845E-25 NR2F2 15 96325938 96340263 14325 Large Autosome

字段名 数据类型 计量单位 描述说明 数据库序列 字符型 - ENSEMBL基因唯一标识符 baseMean 数值型 counts 标准化后基因表达基线均值 lfcSE 数值型 log2倍数 对数倍数变化的标准误 stat 数值型 - 差异表达统计检验值 padj 数值型 - 校正后的显著性P值 hgnc_symbol 字符型 - 标准基因符号 chromosome_name 字符型 - 染色体编号 start_position 整型 bp 基因起始位置 end_position 整型 bp 基因终止位置 gene_length 整型 bp 基因长度（衍生计算） effect_size 数值型 - 基因表达效应值（衍生计算） chromosome_group 字符型 - 染色体分类（衍生标注）