RNAseq分析：Step6（计算表达丰度）

目录

前记

一、计算FPKM

二、计算reads数

后记

---

前记

RNA-seq技术是研究基因表达的常用方法之一，其表达丰度计算是RNA-seq数据分析的重要步骤之一。

RNA-seq表达丰度计算的基本流程如下：

1. 序列比对：将测序数据比对到参考基因组，得到每个基因的计数。

2. 转录本重构：使用转录本拼接软件，如Cufflinks或StringTie，将比对后的 Bam/Sam 文件转换为每个转录本的表达值。这里的转录本可能是已知的基因、未知的基因或转录本。

3. 表达值的归一化：考虑样本间的技术差异和表达量大小的影响，对表达值进行归一化。常用的归一化方法包括RPKM、FPKM、TPM等，其中TPM是近年来推出的一种比较推荐的归一化方法。

4. 差异表达分析：通过比较不同样本下的基因或转录本表达值，识别差异表达的基因或转录本。差异表达分析常用的软件包括DESeq2、edgeR和limma等。

5. 基因本体注释和通路分析：将差异表达的基因或转录本进行功能注释，通常使用基因本体注释（GO）和通路分析（KEGG）等方法。这一步有助于研究人员理解基因在生物学过程中的功能和调控机制。

总的来说，RNA-seq表达丰度