• 一、测序bias
  • 二、定量方法
  • 三、丰度计算方法
  • 1. reads Count
  • 2. RPKM/FPKM
  • 3. RPM/CPM
  • 4. TPM
  • 四、区别


一、测序bias

  1. 长度： 相同表达丰度的转录本，往往会由于其基因长度上的差异，导致测序获得的Read（Fregment）数不同。总的来说，越长的转录本，测得的Read（Fregment）数越多
  2. 测序深度： 由测序文库的不同大小而引来的差异。即同一个转录本，其测序深度越深，通过测序获得的Read（Fregment）数就越多。

raw count作为原始的read计数矩阵是一个绝对值，而绝对值的特点是规模不同（基因长度、测序深度），不可以比较。进行这些基因标准化方法的目的是将count矩阵转变为相对值，去除技术偏差的影响，使后续的差异分析具有统计学的意义。

二、定量方法

参考链接：https://www.meiwen.com.cn/subject/aegzsqtx.html

  • 基于比对：
    1.软件：RSEM、eXpress
    2.结果：FPKM，TPM两种
    3.过程：比对->产生bowtie.bam文件->导入RSEM或eXpress->产生每个拼接转录本的最大期望count数和一个基因对应多个转录本两个文件
  • 基于kmer：
    1.软件：kallisto、salmon
    2.结果：仅有TPM
    3.优点：快（转录本划分成kmer, 用kmer出现的次数来衡量转录本丰度）

ps： 分类

  1. 绝对定量：明确知道一个细胞中、或者是一定摩尔量的 RNA中，有多少条某种转录本（对样品进行细胞计数或者添加 spike-in）
  2. 相对定量：描述某基因的转录本占样本中所有转录本的百分比

三、丰度计算方法

参考链接：https://www.jianshu.com/p/c25e84383ae3

1. reads Count

  • 定义： 高通量测序中比对到exon上的reads数。可使用featureCount等软件进行计算。
  • 优点： 可有效说明该区域是否真的有表达及真实的表达丰度。能够近似呈现真实的表达情况，有利于实验验证。
  • 缺点： 由于exon长度不同，难以进行不同exon丰度比较；由于测序总数不同，难以对不同测序样本间进行比较。因此需要进行标准化使得不同样本以及不同基因可以进行比较。

2. RPKM/FPKM

  • 定义： Reads/Fragments Per Kilobase of exon model per Million mapped reads
  • 公式：
    物种丰度计算R语言_物种丰度计算R语言
  • 优点： tophat-cufflinks流程固定，应用范围广。理论上，可弥补reads Count的缺点，消除样本间和基因间差异。适用于基因长度波动较大的测序方法，如lncRNA-seq测序，lncRNA的长度在200-100000碱基不等。
  • 缺点： 无生物学意义

3. RPM/CPM

  • 定义： Reads/Counts of exon model per Million mapped reads
  • 公式：
    物种丰度计算R语言_5e_02
  • 优点： 利于进行样本间比较。适合于产生的read读数不受基因长度影响的测序方法，比如miRNA-seq测序，miRNA的长度一般在20-24个碱基之间。
  • 缺点： 未消除exon长度造成的表达差异，难以进行样本内exon差异表达的比较。

4. TPM

  • 定义： Transcripts Per Kilobase of exon model per Million mapped reads
  • 公式：

    • 物种丰度计算R语言_物种丰度计算R语言_03

  • Ni为比对到第i个exon的reads数； Li为第i个exon的长度
  • 优点： 首先消除exon长度造成的差异，随后消除样本间测序总reads count不同造成的差异，有生物学意义
  • 缺点： 因为不是采用比对到基因组上的总reads count，所以特殊情况下不够准确。例如：某突变体对exon造成整体影响时，难以找出差异。

四、区别

  • RPKM/FPKM与RPM： 是否考虑基因长度对read读数的影响
  • RPKM与FPKM： RPKM值适用于单末端RNA-seq实验数据，FPKM适用于双末端RNA-seq测序数据。对于双末端测序而言，如果一对paired-read都比对上了, 那么这一对paired-read称之为1个fragment, 2个read。
  • TPM与RPKM/FPKM：
  • 异： 从计算公式来说，唯一的不同是计算操作的顺序，TPM是先去除了基因长度的影响，而RPKM/FPKM是先去除测序深度的影响。也就是说，在给每个基因分reads时，RPKM保证全长的基因公平参加分配，分完回来后，除以自己的长度可能会吃亏或赚到，而TPM用平均基因长度去参与分reads，分到的就能代表平均表达水平。
  • 同： 一段基因中片段不同区域的转录活性是不一样，上述三个值用了平均转录活性去代表整个基因的转录活性，有可能带来bias（比如一个很长的基因，只有其中一小段活跃表达，这样RPKM值很低，但他的表达其实是很高的）