标准化之CPM/RPKM/FPKM/TPM

-差异分析时，需考虑实验设计（样本组成）和测序原理向（测序深度、基因长度、RNA 组成）
-转录组下游分析时，采用DESeq2、edgeR和limma，需要的输入数据类型是counts（正整数）

image.png

-RPKM：以每个Read为一个单位，单端测序常用
-FPKM：以Fragment一个单位，主要在双端测序
（这两个很相似，都是先标准化测序深度，再标准化基因长度）

-目前推荐使用TPM
（TPM先标准化基因长度，再标准化测序深度）
【标准化后每个样本的total TPM是相同的，可以更易看出what proportion of reads mapped to what in each sample；此外，RNA-seq数据是用于比较reads的相对量，因此，TPM更为合理】

FPKM转换为TPM，表达矩阵行为基因，列为样本

countToTpm <- function(counts, effLen)
{
    rate <- log(counts) - log(effLen)
    denom <- log(sum(exp(rate)))
    exp(rate - denom + log(1e6))
}
 
countToFpkm <- function(counts, effLen)
{
    N <- sum(counts)
    exp( log(counts) + log(1e9) - log(effLen) - log(N) )
}
 
fpkmToTpm <- function(fpkm)
{
    exp(log(fpkm) - log(sum(fpkm)) + log(1e6))
}
 
countToEffCounts <- function(counts, len, effLen)
{
    counts * (len / effLen)
}

https://www.jianshu.com/p/9dfb65e405e8

-为什么在进行分析时需要对FPKM进行log2转化
因为原始FPKM是偏态分布的，log2转化后使数据呈正态分布（正态分布是大部分统计学分析方法需要的数据类型）

https://www.biostars.org/p/100926/

参考资料
https://mp.weixin.qq.com/s/3qnCaAiEPup9RrclxalSig
https://www.jieandze1314.com/post/cnposts/168/
https://www.youtube.com/watch?v=TTUrtCY2k-w（这个视频形象易懂，超级推荐，B站也有同名视频，https://www.bilibili.com/video/BV1p54y147yv?from=search&seid=1425460815802062043&spm_id_from=333.337.0.0；
这个网站也行https://statquest.org/）