2021.04.22【RNA-seq流程】丨count值转换为FPKM值优化2.0

最新推荐文章于 2025-01-14 13:23:13 发布
最新推荐文章于 2025-01-14 13:23:13 发布
阅读量1.5w 收藏 28
点赞数 7
分类专栏： RNA-seq 生物信息 R语言 文章标签： r语言
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。
本文链接：https://blog.youkuaiyun.com/yangl7/article/details/116005508
版权
  • 优化内容
    • 解决每次转换需要设置样本数和基因数目
    • 实现基因count值与length精准匹配
  • 摘要
    • 大概半年前，我写过一篇将HTseq生成的基因COUNT值转换为FPKM值文章，用于对count的入门级均一化处理。随着项目越做越多，逐渐发现了之前写的脚本的局限性。比如，每次换算都需要设置包括样品数，基因数目等参数。另外，以前的转换脚本哪怕使用同一个gff文件，定量得到的基因数目和makeTxDbFromGFF中exonsby、transcriptsby定义的基因数目可能是不一样的，这就导致count列和length列不能一一对应进行计算，而产生差错。count如何精准换算成FPKM就成了非常重要的一个问题。因此，我用了2天时间（R确实不太熟悉）研究了多个解决方法， 最后通过匹配方式将gene_count与gene_length通过gene名称匹配起来，完成转换。
  • 环境配置
    • R version 3.6.1
    • 依赖包GenomicFeatures
  • 研究思路
    • 最开始的方向是尝试统一基因数目，比如将htseq和makeTxDbFromGFF读取相同的gtf或者gff文件。在发现有不少其他类型的注释后&#x
了解本专栏 订阅专栏 解锁全文 超级会员免费看
Count，TPM，FPKM，CPM之间的格式转换——Count转FPKM
weixin_46500027的博客
06-02 9106
Count，TPM，FPKM，CPM之间的格式转换——Count转FPKM
2020.08.14【RNA-Seq流程】丨将HTseq生成的基因COUNT值转换为FPKM值
08-14 1万+
通过HTseq生成的基因表达量是以count值计算的，而业内普遍做法是将count值转换为FPKM值提供给客户，因此，需要一个转换表达量的脚本。
R语言---生信分析---count转换成TPM、FPKM
dujidan的博客
12-14 7680
R语言---生信分析---count转换成TPM、FPKM
转录组表达量的常规标准化方法（FPKM、RPKM、TPM）| 生信笔记09
最新发布
小葱碎碎的播客
01-14 1863
上期我们讲完了转录组的基本原理、实验设计和上游分析，在开始差异基因分析之前，我们先来了解一下常见的RNA-seq的定量方式RPKMFPKMTPM。
纯Python read_counts 转FPKM v2
qq_26012913的博客
12-29 3077
重新写了一个由reads_counts转FPKM矩阵的脚本，之前的那一般只适用于18个样本的，这里更新了一下，没有样本限制了。 还是分为3步： grep "exon" genome.gtf > genome_exon.gtf python count_genelen_from_gft.py genome_exon.gtf gene.len python Caculate_FPKM.py mapped_gene_number.txt gene.len raw_counts.matrix FPKM.mat
Count，TPM，FPKM，CPM之间的格式转换——Count转CPM
weixin_46500027的博客
06-05 5339
Count，TPM，FPKM，CPM之间的格式转换——Count转CPM
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 4370
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。
转录组实战03: Count转TPM、FRKM、CPM
weixin_44493991的博客
03-04 1882
<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
2020.09.30【RNA-seq流程】丨转录组生信分析全流程
12-10 1万+
RNA-Seq生信分析全流程摘要第一部分step.1 下载数据step.2 数据质控第二部分step.3序列比对step.4 计算基因表达量step.5 插入片段长度检验step.6 基因表达量从count值转换为FPKM值使用基因组注释，通过R工具包GenomicFeatures获得exon length求reads 总数第三部分step.7 进行各样品分析样品间相关性分析各样品FPKM箱线图各样品FPKM密度分布对比图step.8 差异表达分析step.9 差异基因功能注释获取差异基因注释信息比对基因组
Bulk-RNA-seq流程——从测序数据到count文件(AGSdata)
weixin_63884580的博客
02-11 9485
RNA-seq通用流程（从原始测序数据到count文件）：环境安装，软件安装，数据质控，数据过滤，序列比对，bam文件，count
RNA-seq流程学习笔记（17）- PCA图聚类分析
垚垚爸的博客
03-25 8150
#绘制PCA图 #需要使用各组的FPKM进行绘制 #对FPKM数据进行整理 #清空环境变量 rm(list=ls()) ##将StringTie分析得到的含有FPKM数据的TAB文件导入当前工作环境中 #设置工作目录 setwd("G:/kongyu/RNA-seq/2021_02_22/gene_tab/") DIPG4_1_1.gene.tab <- read.table("G:/kongyu/RNA-seq/2021_02_22/gene_tab/DIPG4_1_1.gene.tab",
Count，TPM，FPKM，CPM之间的格式转换——Count转TPM
weixin_46500027的博客
06-04 5034
Count，TPM，FPKM，CPM之间的格式转换——Count转TPM
差异表达基因分析：差异倍数(fold change), 差异的显著性(P-value) | 火山图
热门推荐
weixin_30384031的博客
08-16 2万+
Differential gene expression analysis：差异表达基因分析 Differentially expressed gene (DEG)：差异表达基因 Volcano Plot：火山图 差异倍数(fold change) fold change翻译过来就是倍数变化，假设A基因表达值为1，B表达值为3，那么B的表达就是A的3倍。一般我们都用count、TPM...
read count 转换为 RPKM/TMP
weixin_44681709的博客
06-28 8195
read count 转换为 RPKM/TMP
read_counts转FPKM（基于gtf和read_counts文件）（exon）
qq_26012913的博客
11-26 4708
首先我们要把gtf文件中的exon抓取出来 grep "exon" genome.gtf > genome_exon.gtf 然后提取genome_exon.gtf文件中的gene的exon的长度和得到我们想要的gene的长度 python count_genelen_from_gft.py genome_exon.gtf gene.len 这其中count_genelen_from_gft.py的代码如下： import sys,re file1 = sys.argv[1] file2 = sy
转录本counts，FPKM，TPM相互转化
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
count除以count_转角遇到你，count与FPKM，TPM之间的恩恩怨怨
weixin_29014237的博客
01-15 6436
大家好，在转录组测序分析中，有三个经典的数值，即count，FPKM以及TPM值。在TCGA数据库中，其提供了count和FPKM两种结果形式。而平时的分析过程中，FPKM和TPM往往是我们比较常用的数据标准化方法。首先，我们来简单看一下三者的基本概念。count：原始测序得到的count数就是比对到某个基因i上的总数目；不知道大家是否了解测序的简单过程？在测序分析过程中，我们首先是将测得的短re...
Count，TPM，FPKM，CPM之间的格式转换——FPKM转TPM格式
weixin_46500027的博客
03-27 7729
Count，TPM，FPKM，CPM之间的格式转换——FPKM转TPM格式
geo数据库中的count数据怎么转换为fpkm数据
08-16
在进行基因表达分析时，一种常见的方法是使用fpkm（每百万个测序reads中的期望碱基数）来量化基因的表达水平，而geo数据库中往往提供了原始的read count数据。下面介绍将geo数据库中的count数据转换为fpkm数据的步骤。 1. 使用TPM（每百万个转录本中的期望碱基数）方法将count数据进行归一化。TPM通过考虑每个基因的长度来调整不同基因间的碱基数差异。具体计算公式为：TPM = (count / gene length) * 1,000,000。其中count为基因的read count，gene length为基因的长度。 2. 计算每个基因的RPKM（每百万个测序reads中的期望碱基数）。RPKM是指在每个基因的长度和测序数据集的total mapped reads数目的考虑下，每个基因的read count的期望碱基数。计算公式为：RPKM = (count / gene length) * 1,000,000 / total mapped reads。 3. 使用RPKM来计算FPKM（每百万个测序reads中的期望片段数）。FPKM在计算过程中考虑了基因的转录本长度，因此更加准确地表示基因表达水平。计算公式为：FPKM = (RPKM / average gene length) * 1,000。 需要注意的是，上述计算中的average gene length是指数据库中所有基因长度的平均值，total mapped reads是指测序数据集中的总mapped reads数目。 通过上述步骤，可以将geo数据库中的count数据转换为fpkm数据，以便更准确地评估基因的表达水平。
评论 9
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

打赏作者

穆易青

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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