TPM、read counts、RPKM/FPKM你選對了嗎？
TPM、read counts、RPKM/FPKM你選對了嗎？
本文轉載自嘉因微信公眾號，已獲得授權。檢視最新文章，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個最新視訊，https://statquest.org/video-index/，點選左下角“閱讀原文”直達statQuest視訊目錄。幫你理清RNA-seq資料預處理方法，哪個更適合你的問題。
先說結論：
-
學術界已經不再推薦RPKM、FPKM；
-
比較基因的表達丰度，例如哪個基因在哪個組織裡高表達，用TPM做均一化處理；
-
不同組間比較，找差異基因，先得到read counts，然後用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資料處理，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？
下面是視訊截圖
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間表達丰度的差異
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，怎麼辦？
例如liver跟spleen比，組織特異性表達基因在裡面搗亂；再例如常見的某個基因KO組與對照相比，該基因成分在KO組裡缺失。
DESeq2做均一化
用edgeR作均一化