多组学-转录组RNA-seq 中Counts值,RPM,RPKM,FPKM,TPM

一个基因区域内的read counts数目取决于基因长度和测序深度。

• 基因长度影响：同一样本，基因越长，随机打断得到的片段越多，该基因被测到概率越大，比对到该基因的reads越多。
• 测序深度影响：不同样本，样本的测序深度越高，同一基因被测到次数越多，比对到该基因的reads越多。

Counts

比对到每个基因的reads有多少条，在转录组测序中，称为Count数。每个测序样品的起始RNA量不同，文库量不同，测序数据量不同。

RPM(Reads per million mapped reads)

10^6标准化了测序深度的影响，但没有考虑转录本的长度的影响。

RPKM(reads per kilobase of transcript per million reads mapped) 单端

每百万reads中来自于某基因每千碱基长度的reads数。RPKM是将map到基因的read数除以map到基因组上的所有read数(以million为单位)与RNA的长度(以KB为单位)，RNA-seq中用来表示基因表达量或丰度的方法。
total exon reads：某个样本mapping到特定基因的外显子上的所有的reads
mapped reads (Millions) ：某个样本的所有reads总和
exon length(KB)：某个基因的长度（外显子的长度的总和，以KB为单位）

FPKM(fragments per kilobase of transcript per million reads mapped) 双端

比如在一个Illumina的pair-end（双尾）RNA-seq中，一对（两个）reads对应是一个DNA片段。
FPKM只计算两个reads能比对到同一个转录本的fragments数量，而RPKM计算的是可以比对到转录本的reads数量而不管PE的两个reads是否能比对到同一个转录本上。

TPM(Transcripts Per Kilobase of exon model per Million mapped reads)

当计算TPM的时候，先对基因长度进行归一化，其次是测序深度的归一化。


TPM的现实意义是某给定基因的全长转录本出现的次数。

---

计算

？

KB <- data$Length / 1000
RPK <- countdata / KB
TPM <- t(t(RPK) / colSums(RPK) * 1000000)