生信笔记10-转录组下游分析之:转录本定量方法RPKM、FPKM 、TPM和CPM

对基因counts进行校正定量一般有RPKM、FPKM 、TPM和CPM这几种方法,StatQuest网站中对RPKM, FPKM 和 TPM作了通俗简要的说明,现将其核心要点整理如下:

RPKM

RPKM (Reads Per Kilobase Million, or Reads Per Kilobase of transcript per Million reads mapped),即:每千个碱基的转录每百万映射读取的reads

计算RPKM的方法:

  1. 计算样本中的总reads,并将该数字除以1,000,000——这是我们的“每百万”缩放因子 ( “per million” scaling factor ) 。
  2. 将reads数除以“每百万”缩放因子。消除测序深度影响,得到每百万reads(RPM, reads per million )。
  3. 将RPM值除以基因长度(以千碱基为单位),消除基因长度影响,得到RPKM。

FPKM

FPKM (Fragments Per Kilobase Million, or Fragments Per Kilobase of transcript per Million reads mapped) ,即:每千个碱基的转录每百万映射读取的fragments

FPKM与RPKM非常相似。RPKM是针对单端测序的RNA-seq而言的,其中每个reads对应于一个已测序的单个片段。FPKM用于双端测序的RNA-seq。使用双端测序RNA-seq,两个reads可以对应一个片段(Fragment)。RPKM和FPKM之间的唯一区别是FPKM考虑到两次reads可以映射到一个片段(因此它不会对该片段进行两次计数)。 即 单端测序:reads=fragments,双端测序:2 * reads≈fragments

经过上游处理,双端测序两个reads可以对应一个片段的过程已经完成,最后得到的counts就已经相当于是片段fragments了,因此下游分析由counts计算RPKM、 FPKM这两者的公式完全一致。


TPM

TPM (Transcripts Per Million, or Transcripts Per kilobase of exon model per Million mapped reads),即:每千个碱基的转录每百万映射读取的Transcripts

计算TPM的方法:

  1. 将读数计数除以每个基因的长度(以千碱基为单位),得到每千碱基reads(RPK, reads per kilobase)。
  2. 计算样本中所有RPK值,然后将其除以1,000,000,得到“每百万”缩放因子 ( “per million”scaling factor )。
  3. 将RPK值除以“每百万”缩放因子,得到TPM。

TPM与RPKM、 FPKM相比,唯一的区别是TPM先对基因长度进行标准化,然后对测序深度进行标准化。但是,这种差异的影响非常深远。因为使用TPM时,每个样本中所有TPM的总和是相同的,这样可以更轻松地比较每个样本中映射到基因的读数的比例。相反,使用RPKM和FPKM,每个样本中的标准化读数之和可能会有所不同,这使得直接比较样本变得更加困难。


CPM

CPM(Counts Per Million, or Counts of exon model Per Million mapped reads),即每百万映射读取的counts

除了RPKM、 FPKM、TPM这几种方法,CPM也是较为常见的一种基因定量方式。原始的表达量除以该样本表达量的总和,再乘以一百万,即可得到CPM值。CPM值只对测序深度进行了标准化,在10X Genomics的单细胞数据中一般使用这种标准化方法。


参考

https://zhuanlan.zhihu.com/p/513391213

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,098评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,213评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,960评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,519评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,512评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,533评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,914评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,574评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,804评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,563评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,644评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,350评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,933评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,908评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,146评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,847评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,361评论 2 342

推荐阅读更多精彩内容