count转化为TPM

最新推荐文章于 2024-08-27 08:56:50 发布
原创 最新推荐文章于 2024-08-27 08:56:50 发布 · 6.6k 阅读 · 16 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#r语言 #其他 

library(biomaRt)
#查看基因组参数
mart = useMart('ensembl')
listDatasets(mart)

#你需要哪个基因组，就复制它在dataset列里的词，放在下面这行的`dataset = `参数里
#此处以人类为例，植物参考注一
bmart <- biomaRt::useMart(biomart = "ENSEMBL_MART_ENSEMBL", 
                          dataset = "hsapiens_gene_ensembl",
                          host = "www.ensembl.org")

# 从输入数据里提取基因名
feature_ids <- rownames(expMatrix)##就是你需要ENSEMBL的例如ENSG00000000003


attributes = c(
  "ensembl_gene_id",
  #"hgnc_symbol",
  "chromosome_name",
  "start_position",
  "end_position"
)
filters = "ensembl_gene_id"

feature_info <- biomaRt::getBM(attributes = attributes, 
                               filters = filters, 
                               values = feature_ids, mart = bmart)
mm <- match(feature_ids, feature_info[[filters]])
feature_info_full <- feature_info[mm, ]
rownames(feature_info_full) <- feature_ids

# 计算基因的有效长度
eff_length <- abs(feature_info_full$end_position - feature_info_full$start_position)
feature_info_full <- cbind(feature_info_full,eff_length)

eff_length2 <- feature_info_full[,c(1,5)]

x <- expMatrix / eff_length2$eff_length

tpm = t( t(x) / colSums(x) ) * 1e6
sayhello1025
关注
Count，TPM，FPKM，CPM之间的格式转换——Count转TPM
weixin_46500027的博客
06-04 5336
Count，TPM，FPKM，CPM之间的格式转换——Count转TPM
Count，TPM，FPKM，CPM之间的格式转换——Count转FPKM
weixin_46500027的博客
06-02 9667
Count，TPM，FPKM，CPM之间的格式转换——Count转FPKM
count格式的数据转换(count to FPKM,count to TPM) 【GEO数据库】
weixin_46587777的博客
08-27 5455
在正式分析之前，对于数据的处理是至关重要的，这种重要性是体现在很多方面，其中有一点是要求分析者采用正确的数据类型。对于，原始数据，比如差异分析、热图、箱线图、PCA分析、生存分析、模型构建，聚类分析和相关性分析等。对于，在上述的常见分析中是需要。首先要去获取基因长度文件，因为后续需要用这个数据去矫正基因长度。网址：https://gdc.cancer.gov/about-data/gdc-data-processing/gdc-reference-files。
TCGA新版数据count的下载及转换为tpm
arrhythmia08的博客
07-18 6251
我以前是直接下载小洁老师存在网盘中的tpm的Rdata，然后我发现我分析的LAML数据总共是151例样本，但是小洁老师不知道为什么漏了一例，只有150例。强迫病犯了，少一例不能忍，所以就自己下载TCGA官网的数据，并进行count到tpm的数据转换。总共是60660行基因，和我们TCGA下载的表达矩阵的的基因是一一对应的，如果数量不对，那后面的所有结果都会有偏差，因为tpm的计算涉及样本测序深度的标准化，需要用到样本所有基因count数求和进行标化。最近想重新进行免疫浸润计算，用的是TCGA的数据。
Count数据转换为TPM数据方法整理-常规方法、DGEobj.utils和IOBR包
zfyyzhys的博客
07-13 7118
在正式分析之前，对于数据的处理是至关重要的，这种重要性是体现在很多方面，其中有一点是要求分析者采用正确的数据类型。
R语言---生信分析---count转换成TPM、FPKM
dujidan的博客
12-14 8302
R语言---生信分析---count转换成TPM、FPKM
Count，TPM，FPKM，CPM之间的格式转换——FPKM转TPM格式
weixin_46500027的博客
03-27 8006
Count，TPM，FPKM，CPM之间的格式转换——FPKM转TPM格式
基于人类基因组hg38版本GTF文件提取基因长度信息并实现count值到TPM标准化转换的生物信息学工具_人类基因组注释文件解析_基因长度提取_原始count数据加载_TPM标准化.zip
最新发布
09-07
标准化转换的关键是将原始的count值转换为TPM值。TPM标准化的过程涉及计算每个基因的每百万总读段中所占比例，以调整每个基因的计数值。这样做可以使得不同样本中的基因表达水平能够在统一的尺度上进行比较。该过程...
read count 转换为 RPKM/TMP
weixin_44681709的博客
06-28 8277
read count 转换为 RPKM/TMP
python实现基因表达量FPKM值转化TPM值
jinccx11211的博客
04-19 1068
加载包含FPKM值的DataFrame，假设列名为 "id"、"S3"、"S4"、"S5"、"S6"、"S7"、"S8"，分隔符为制表符，运行时根据自己FPKM文件的列名和列数进行修改。# 设置工作目录 输入文件在此目录下，输出文件也会在此目录下输出。# 将转换后的数据输出到tpm.csv文件，使用制表符作为分隔符。# 计算每个样本的FPKM之和。# 计算每个基因的TPM值。# 删除原始的FPKM列。
39、count_rpkm_fpkm_TPM
weixin_30339457的博客
06-20 713
参考：https://f1000research.com/articles/4-1521/v1 https://www.biostars.org/p/171766/ http://www.rna-seqblog.com/rpkm-fpkm-and-tpm-clearly-explained/ It used to be when you di...
关于Count，FPKM，TPM，RPKM等表达量的计算
BioinfoDu
03-22 9016
通俗讲，把比对到的某个基因的Fragment数目，除以基因的长度，其比值再除以所有基因的总长度。TPM的全称为Transcripts per million，Transcripts Per Kilobase of exon model per Million mapped reads (每千个碱基的转录每百万映射读取的Transcripts)。自己也是这样的，一个人的时间和精力是有限的，我们不可能有那么多的精力。此外，这个方法只能获得是gene的表达量，若你想获得transcript的表达量，自己未成功。
转录组实战03: Count转TPM、FRKM、CPM
生信探索
03-04 2125
<生信交流与合作请关注公众号@生信探索> 把常用的函数写成了几个包，方便之后使用， bioquest包括三个子包tl、pl、st分别是常用的工具包括dataframe的处理、画图、字符串处理。 genekit包括提取tcga数据、基因名转换、格式转换、差异分析等的函数。 sckit包括单细胞分析的一些函数 可以在https://jihulab.com/BioQuest找到这些函数。 import bioquest as bqimport genekit&n
RNA-SEQ转录组数据，由Count 计算TPM 和FPKM
weixin_51192038的博客
04-25 8107
1、先根据gtf文件提取基因的长度 参考链接： https://blog.youkuaiyun.com/weixin_56259962/article/details/123140630 2、根据count计算tpm rm(list = ls()) options(stringsAsFactors = F) rawcount <- read.csv("C:/Users/Desktop/2cell.id.txt",skip = 1,sep="\t",row.names = 1) rawcount$gene_name
Count，TPM，FPKM，CPM之间的格式转换——Count转CPM
weixin_46500027的博客
06-05 5756
Count，TPM，FPKM，CPM之间的格式转换——Count转CPM
【已知基因名得到基因长度】计算FPKM、TPM用
weixin_56259962的博客
02-25 1万+
已知基因名（gene name，symbol）计算基因长度，用来计算FPKM和TPM
BiomaRt 包进行基因ID转换
人间飞羽
04-19 1万+
BiomaRt 包进行基因ID转换
R语言基因表达量转换（TPM、FPKM、RPKM）
Squirrelity的博客
07-01 8582
基因表达量转换，正在更新
转录本counts，FPKM，TPM相互转化
热门推荐
qq_27390023的博客
03-04 1万+
FPKM: Fragments Per Kilobase of exon model per Million mapped fragments(每千个碱基的转录每百万映射读取的fragments) FPKM：Fragments per Kilobase Million，FPKM意义与RPKM极为相近。二者区别仅在于，Fragment 与 Read。RPKM的诞生是针对早期的SE测序，FPKM则是在PE测序上对RPKM的校正。只要明确​Reads 和 Fragments的区别，RPKM和FPKM的概念便易于
生信count转化为rpm
06-24
<think>我们正在处理用户的问题：如何将生信领域的count数据转化为RPM（ReadsperMillion）？根据引用[1]：RPM=totalexonreads/mappedreads(Millions)其中：-totalexonreads：某个基因（或外显子）的reads计数（即count数据）-mappedreads(Millions)：该样本所有比对上的reads总数（以百万为单位）因此，计算RPM的步骤如下：1.对于每个样本，计算该样本中所有基因的count值之和（即总比对reads数）。2.将总比对reads数除以1,000,000，得到以百万为单位的总比对reads数（即mappedreadsinMillions）。3.对于每个基因，用该基因的count值除以步骤2得到的结果，即得到该基因的RPM值。公式：RPM=(基因的count值)/(总比对reads数/1,000,000)=(基因的count值*1,000,000)/总比对reads数注意：RPM方法标准化了测序深度（即不同样本总测序量的差异），但没有考虑基因长度的影响。因此，它适用于比较同一个基因在不同样本中的表达水平，但不适合直接比较不同基因的表达水平（因为不同基因长度不同）。根据引用[2]，我们可以使用featureCounts等工具得到count数据（每个基因的count值），同时也会得到每个样本的总比对reads数（通常包含在featureCounts的输出摘要中，或者可以自己计算每个样本的count值之和）。因此，我们可以自己编写脚本（例如R或Python）进行转换，也可以使用现有的工具。下面给出两种方法：方法1：使用R语言计算步骤：1.读入count数据矩阵（行为基因，列为样本）。2.计算每个样本的总比对reads数（即每列的和）。3.对每个样本中的每个基因，使用上述公式计算RPM。示例R代码：```r#假设count_matrix是一个数据框或矩阵，行为基因，列为样本#计算每个样本的总reads数（百万为单位）total_reads<-colSums(count_matrix)/1e6#除以100万，得到百万为单位的总reads数#或者直接：RPM=count_matrix/total_reads(注意：这里total_reads已经是百万为单位，所以直接除)#但是我们需要对每个样本分别处理，所以可以使用sweep函数#方法：对每一列（即每个样本）进行归一化rpm_matrix<-sweep(count_matrix,2,total_reads,FUN="/")#或者更直接：#rpm_matrix<-t(t(count_matrix)/total_reads)#另一种方法：循环每个样本（更易懂）#rpm_matrix<-matrix(0,nrow=nrow(count_matrix),ncol=ncol(count_matrix))#for(iin1:ncol(count_matrix)){#rpm_matrix[,i]<-count_matrix[,i]/(sum(count_matrix[,i])/1e6)#}#然后将rpm_matrix的行名和列名设置好#注意：上面的total_reads是除以1e6后的，所以每个样本的总reads数（原始）为colSums(count_matrix)，然后除以1e6得到以百万为单位的值。#所以计算RPM时，用基因的count值除以这个以百万为单位的总reads数。```方法2：使用Python计算类似地，我们可以用pandas操作。示例Python代码：```pythonimportpandasaspd#假设count_df是DataFrame，行为基因，列为样本#计算每个样本的总reads数（以百万为单位）total_reads=count_df.sum(axis=0)/1e6#每列求和，然后除以100万#计算RPMrpm_df=count_df.div(total_reads,axis=1)#按列除，即每个样本的每个基因都除以该样本的total_reads（百万为单位）#输出rpm_df```另外，有一些生物信息学工具包也提供了RPM计算的功能，比如在R语言中，edgeR或DESeq2等包虽然主要用于差异表达分析，但也可以用于简单的标准化（但注意它们通常提供的是其他标准化方法，如RPKM、TPM等）。不过，RPM计算非常简单，通常自己写几行代码即可。注意事项：-确保count数据是原始计数（未经标准化）。-总比对reads数应该是该样本中所有比对到基因组（或外显子）的reads总数（不包括未比对的reads）。根据引用[1]，RPM适用于miRNAseq等测序方法，因为miRNA长度相近，所以不考虑长度影响。对于mRNA-seq，通常使用RPKM/FPKM或TPM（考虑基因长度）进行标准化。因此，如果用户的数据是mRNA-seq，并且需要比较不同基因的表达，建议使用TPM而不是RPM。但是用户明确要求RPM，我们就按照RPM的方法计算。最后，生成相关问题：1.RPM与TPM、RPKM/FPKM有什么区别？2.在哪些情况下应该使用RPM而不是TPM？3.如何将count数据转化为TPM？4.使用RPM标准化后，如何进行差异表达分析？注意：用户的问题是关于RPM的计算方法和工具，我们已经回答。</think>### 生信 count 数据转化为 RPM 的计算方法 在生物信息学分析中，将 count 数据转化为 **RPM（Reads per Million mapped reads）** 是常见的标准化方法，其核心计算公式为： $$ \text{RPM} = \frac{\text{基因的 count 值}}{\text{样本总比对 reads 数}} \times 10^6 $$ #### 计算步骤： 1. **获取原始 count 数据** 从比对工具（如 `featureCounts`、`HTSeq`）输出的基因/外显子原始计数矩阵，行为基因，列为样本。 *示例数据格式*： | 基因 | Sample1 | Sample2 | |--------|---------|---------| | GeneA | 150 | 300 | | GeneB | 50 | 100 | 2. **计算样本总比对 reads 数** 对每个样本的 count 值求和： $\text{Total Reads}_{\text{Sample}} = \sum(\text{所有基因的 count 值})$ *示例*： - Sample1 总 reads = 150 + 50 = 200 - Sample2 总 reads = 300 + 100 = 400 3. **计算 RPM 值** 对每个基因的 count 值应用公式： $\text{RPM}_{\text{基因}} = \frac{\text{基因 count 值}}{\text{样本总 reads}} \times 10^6$ *示例计算*： - GeneA 在 Sample1 的 RPM = $\frac{150}{200} \times 10^6 = 750,000$ - GeneB 在 Sample2 的 RPM = $\frac{100}{400} \times 10^6 = 250,000$ --- ### 常用工具与代码实现 #### 方法1：R 语言（推荐） ```r # 读取 count 数据（CSV 格式） count_df <- read.csv("count_matrix.csv", row.names = 1) # 计算 RPM 函数 calculate_rpm <- function(count_matrix) { total_reads <- colSums(count_matrix) / 1e6 # 转换为百万单位 rpm_matrix <- t(t(count_matrix) / total_reads) # 按列标准化 return(rpm_matrix) } # 执行计算 rpm_df <- calculate_rpm(count_df) write.csv(rpm_df, "rpm_matrix.csv", quote = FALSE) ``` #### 方法2：Python ```python import pandas as pd # 读取 count 数据 count_df = pd.read_csv("count_matrix.csv", index_col=0) # 计算 RPM total_reads = count_df.sum(axis=0) # 样本总 reads rpm_df = count_df / total_reads * 1e6 # RPM 公式 # 保存结果 rpm_df.to_csv("rpm_matrix.csv") ``` #### 方法3：命令行工具（如 `awk`） ```bash # 计算样本总 reads（假设 count 文件为 tab 分隔） awk -F'\t' 'NR==1 {print $0} NR>1 {for(i=2;i<=NF;i++) total[i]+=$i} END {for(i=2;i<=NF;i++) printf "\t%s", total[i]/1e6; print ""}' count_matrix.txt > totals.txt # 合并计算 RPM awk -F'\t' 'NR==FNR {if(NR>1) for(i=2;i<=NF;i++) size[i]=$i; next} NR>FNR {if(FNR==1) print $0; else {printf "%s", $1; for(i=2;i<=NF;i++) printf "\t%.2f", $i/size[i]; print ""}}' totals.txt count_matrix.txt > rpm_matrix.txt ``` --- ### 关键注意事项 1. **适用场景** RPM 适用于基因长度相近的分析（如 miRNA-seq），因其**未校正基因长度偏差**。对于 mRNA-seq，推荐使用 TPM 或 FPKM[^1]。 2. **数据要求** - Count 数据需为**原始计数**（非标准化值）。 - 总 reads 数需排除低质量/未比对的 reads（需从比对工具日志中获取准确值）。 3. **与 TPM 的区别** $$ \text{TPM} = \frac{\text{基因 count 值}}{\text{基因长度} \times \text{样本总 reads}} \times 10^6 $$ TPM 额外除以基因长度（kb），更适合 mRNA 分析[^1]。 --- ### 相关问题 1. RPM 与 TPM 在分析结果上会有哪些差异？ 2. 如何将 RPM 标准化后的数据用于差异表达分析（如 DESeq2）？ 3. 对于 miRNA-seq 数据，除了 RPM 还有哪些标准化方法？ 4. 若总 reads 数包含重复 reads，对 RPM 计算结果有何影响？ [^1]: RPM 方法标准化了测序深度的影响，但没有考虑转录本长度的影响。RPM 适合于产生的 read 读数不受基因长度影响的测序方法，比如 miRNAseq 测序。 [^2]: 使用 featureCount 等计算出 Count 值，获得结果中就有对应的外显子长度。
评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值