LongBench：跨bulk与单细胞模态的长读长RNA测序技术基准数据集

资源简介

LongBench：跨bulk与单细胞模态的长读长RNA测序技术基准数据集

PRJNA1171488 即 LongBench 基准数据集，来自 NCBI，在本站归入肿瘤/肺癌分类，主题标签为原始序列读段。该数据集围绕长读长转录组测序技术展开，对 Oxford Nanopore 与 Pacific Biosciences 的最新长读长技术进行了系统评测，并与 Illumina 二代测序结果进行对比。数据由涵盖不同癌症亚型的肺癌细胞系构建的 bulk 与单细胞文库产生，同时加入 Sequins 与 SIRVs（Set 4）合成 spike-in，用于进一步比较和评估测序平台的性能，整体构成一个跨越 bulk 与单细胞两种模态的多组数据集。

【数据集背景】

长读长 RNA 测序技术近年来在转录组研究中快速发展，但不同平台之间的性能差异需要系统性的基准评测来刻画。LongBench 正是在这一背景下提出的综合性基准，其目标是对 Oxford Nanopore 和 Pacific Biosciences 两家主流长读长平台的最新技术进行评测，并将其与 Illumina 的二代测序进行对照。为使评测能够反映真实的生物学变异，该基准选用肺癌细胞系作为样本来源，并覆盖不同的癌症亚型，从而在受控的实验体系中保留真实的转录组差异。此外，为更全面地比较和评估各测序平台的性能，数据集还引入了 Sequins 与 SIRVs（Set 4）合成 spike-in 作为参照。

【数据内容】

该数据集的主题标签为原始序列读段（Raw sequence reads），即数据主体为测序产生的原始读段。数据涵盖 bulk 与单细胞两种文库模态：bulk 文库与单细胞文库均来自肺癌细胞系，且这些细胞系包含不同的癌症亚型，用以捕捉真实的生物学变异。测序平台方面，数据同时涉及 Oxford Nanopore 与 Pacific Biosciences 的长读长转录组技术，以及 Illumina 的二代测序，形成三代长读长与二代短读长之间的对照结构。除细胞系来源的读段外，数据中还包含 Sequins 与 SIRVs（Set 4）合成 spike-in 的测序读段，用于平台性能的比较与评估。

【采集与来源】

该数据集的来源站为 ncbi.nlm.nih.gov。样本材料为肺癌细胞系，涵盖不同癌症亚型；由这些细胞系构建了 bulk 与单细胞文库。测序在 Oxford Nanopore、Pacific Biosciences 与 Illumina 三个平台上进行，并加入了 Sequins 与 SIRVs（Set 4）合成 spike-in。关于样本的具体细胞系名称、培养条件、文库构建流程、测序试剂与运行参数等细节，源站未提供。

【适用场景】

该数据集适用于长读长转录组测序技术的基准评测与平台间比较，包括 Oxford Nanopore 与 Pacific Biosciences 长读长平台之间的对照，以及长读长与 Illumina 二代测序之间的对照。由于数据同时包含 bulk 与单细胞两种模态，可用于在两种文库类型下考察测序平台的表现。样本来自涵盖不同癌症亚型的肺癌细胞系，因此也适合用于肺癌转录组相关的方法学评估。数据中的 Sequins 与 SIRVs（Set 4）合成 spike-in 可用于平台性能的评估与校准类分析。关于该数据集在其他具体分析任务中的适用性，源站未提供。

【使用方法】

该数据集以原始序列读段的形式提供，使用时应按测序平台与文库模态（bulk 或单细胞）对读段进行区分，并结合样本所对应的肺癌细胞系亚型信息组织分析。涉及平台性能比较时，可将 Oxford Nanopore、Pacific Biosciences 与 Illumina 的读段置于同一评测框架下对照；涉及合成对照时，可单独提取 Sequins 与 SIRVs（Set 4）的读段用于评估。关于具体的下载方式、文件组织格式、预处理流程与推荐分析工具，源站未提供。

【质量与限制】

该数据集依托肺癌细胞系构建 bulk 与单细胞文库，并覆盖不同癌症亚型，同时引入合成 spike-in 以支持平台性能的比较与评估，这些设计有助于在受控条件下开展基准评测。其局限在于样本来源为细胞系而非临床肿瘤组织，相关结论向真实肿瘤样本的外推需谨慎。关于数据质量指标（如读长分布、测序深度、比对率等）以及数据的具体限制说明，源站未提供。

【引用与许可】

该数据集来自 ncbi.nlm.nih.gov，英文名称为 PRJNA1171488: Benchmarking long-read RNA-sequencing technologies with LongBench: a multi-group dataset spanning bulk and single-cell modalities。关于引用方式与许可条款，源站未提供。