TPM、read counts、RPKM/FPKM你選對了嗎？

已有 3940 次閱讀 2017-12-15 15:04 |個人分類:RNA-seq|系統分類:科普集錦|關鍵詞:RNA-seq| RNA-seq

 

本文轉載自嘉因微信公眾號，已獲得授權。查看最新文章，敬請關注嘉因，微信ID：rainbow-genome

作者：小哈  來源：嘉因

在RNA測序分析，哪家公司適合我一文中，聊過類似的問題。

 

這次小哈搬來了statQuest的3個最新視頻，https://statquest.org/video-index/，點擊左下角“閱讀原文”直達statQuest視頻目錄。幫你理清RNA-seq數據預處理方法，哪個更適合你的問題。

 

先說結論：

1. 學術界已經不再推薦RPKM、FPKM；

2. 比較基因的表達豐度，例如哪個基因在哪個組織里高表達，用TPM做均一化處理；

3. 不同組間比較，找差異基因，先得到read counts，然后用DESeq2或edgeR，做均一化和差異基因篩選；如果對比某個基因的KO組和對照，推薦DESeq2。

 

如果找公司做RNA-seq數據處理，計算表達量時，記得要read counts。

 

---

 

RPKM/FPKM、TPM

 

 

在RNA-Seq分析|RPKM, FPKM, TPM, 傻傻分不清楚？里，根據上面的視頻用漢語描述了這三個值的區別。

 

下面是視頻截圖

不再用RPKM/FPKM，現在推薦用TPM

一表看懂TPM更適合比較同一基因在不同sample間表達豐度的差異

DESeq2或edgeR

 

DESeq2和edgeR不用RPKM/FPKM或TPM做均一化，而是直接用原始的read counts做均一化處理。

 

DESeq2和edgeR能很好的解決這兩個問題

測序深度的差異問題，用RPKM/FPKM、TPM、DESeq2和edgeR都能處理

如果組間RNA成分差異較大，怎么辦？

 

例如liver跟spleen比，組織特異性表達基因在里面搗亂；再例如常見的某個基因KO組與對照相比，該基因成分在KO組里缺失。

 

 

DESeq2做均一化

 

 

用edgeR作均一化

 

 

---