关于Count，FPKM，TPM，RPKM等表达量的计算

2024-03-22 14:12
文章标签 计算 count 表达 tpm fpkm rpkm

本文主要是介绍关于Count，FPKM，TPM，RPKM等表达量的计算，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

原文链接：关于Count，FPKM，TPM，RPKM等表达量的计算及转换 | 干货

写在前面

今天使用count值转化TPM，或是使用FPKM转换成TPM。这样的教程，我们在前面已经出国一起相对比较详细的教程了，一文了解Count、FPKM、RPKM、TPM | 相互间的转化，在这个教程中，我们也归纳了各个数值的含义。但是，也许你看到后，会添加到自己的收藏夹中，但是，后面就没有看了。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。因此，做学习笔记就有很大的帮助，当自己使用的时候有地方找寻。

本教程涉及的数据、代码和文件等在社群中可获得！！

回顾一下知识点

Count

**定义：**高通量测序中比对到exon上的reads数。可以使用featureCounts、HTseq-count等软件进行计算。

**优点：**可以有效说明该区域是否真的有表达及真实的表达丰度。能够近似呈现真实的表达情况。

**缺点：**由于exon长度不同，难以进行不同exon丰度比较；由于测序总数不同，难以对不同测序样本间比较。

FPKM

FPKM: FPKM的全称为Fragments Per Kilobase Million，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)。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。注意，这里的基因长度是指基因外显子的总长度。

RPKM

RPKM: Reads 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reads)；


FPKM与RPKM的区别

RPKM通常用于单端测序，FPKM常用于双端测序

如果是单端测序，那么一个fragmetns就对应了一条read，如下所示：

如果是双端测序，那么一条fragments就对应两条reads，当然，有时候双端测序也有可能出现一条fragment对应一条read（另外一条read有可能会因为质量低而被剔除），FPKM就保证了，一条fragment的两条reads不会被统计2次，如下所示：

FPKM是以fragment为准，而不是以reads数为准，它们的计算方式是一样的。

RPM

**定义：**RPM/CPM: Reads/Counts of exon model per Million mapped reads (每百万映射读取的reads)

**公式：**RPM = ExonMappedReads * 10^6 /TotalMappedReads


**优点：**利于进行样本间比较。根据比对到基因组上的总reads count，进行标准化。即：不论比对到基因组上的总reads count是多少，都将总reads count标准化为10^6。sRNA_seq等测序长度较短的高通量测序经常采用RPM进行标准化，因为sRNA长度差异较小，18-35 nt较多，所以长度对不同的small RNAs相互比较影响较小 (优点：计算简单、方便。)

缺点：未消除exon长度造成的表达差异，难以进行样本内exon差异表达的比较。

TPM

**定义：**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)。

解释： Ni为比对到第i个exon的reads数；Li为第i个exon的长度；sum(N1/L1+N2/L2 + … + Nn/Ln)为所有 (n个)exon按长度进行标准化之后数值的和。

如何准换呢？？

方法一

使用GenomicFeature包导入对应的gtf文件或gff文件，获得基因外显子长度。
**优点：**方便，快捷。
**缺点：**对与gtf或gff文件的要求比较高，我自己使用stringtie组装的注释文件，是无法获得导入的。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。


library(GenomicFeatures)
## 导入gff3文件
txdb <- makeTxDbFromGFF("ITAG4.1_gene_models.gff", format = "gff")
## 获取外显子位置
exons_gene <- exonsBy(txdb, by = "gene")
## 去除外显子重叠部分，计算外显子长度
exons_gene_len <- lapply(exons_gene,function(x){sum(width(reduce(x)))})
exons_gene_len <- as.matrix(t(exons_gene_len))
write.csv(exons_gene_len,"tomato_gene_length_4.1.csv", row.names = T)

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)
}# An example
################################################################################
cnts <- c(4250, 3300, 200, 1750, 50, 0)
lens <- c(900, 1020, 2000, 770, 3000, 1777)
countDf <- data.frame(count = cnts, length = lens)# assume a mean(FLD) = 203.7
countDf$effLength <- countDf$length - 203.7 + 1
countDf$tpm <- with(countDf, countToTpm(count, effLength))
countDf$fpkm <- with(countDf, countToFpkm(count, effLength))
with(countDf, all.equal(tpm, fpkmToTpm(fpkm)))
countDf$effCounts <- with(countDf, countToEffCounts(count, length, effLength))

方法二

使用featureCount等计算出Count值，获得结果中就有对应的外显子长度，因此，你可以直接使用其进行转化。

  1. 导入数据
##
count_df <- read.csv("count.csv",header = T, row.names = 1)
dim(count_df)
names(count_df)


##'@提取Count值
expr_df <- count_df[,2:ncol(count_df)]
head(expr_df)
###'@基因表达量之和大于0
expr_df <- expr_df[rowSums(expr_df) > 0,]
dim(expr_df)
##'@保存count值矩阵
write.csv(expr_df,"过滤后_count.csv")

计算TPM

##'@计算的TPM
##'@提取基因长度，基因长度需要转化成kb
gene_length_kb <- count_df$Length / 1000
head(gene_length_kb)### 每千碱基reads（per million scaling factor)长度标准化
data_rpk <- expr_df /gene_length_kb
##'@每百万
TPM <- t(t(data_rpk) / colSums(data_rpk) * 1000000)
head(TPM)
## 求均值
avg_tmp <- data.frame(avg_tmp = rowMeans(TPM))
head(avg_tmp)
##'@保存数据
write.csv(TPM,"Tomato_TPM.csv")

计算FPKM

FPKM <- t(t(data_rpk) / colSums(expr_df) * 10^6)
##'@保存数据
write.csv(TPM,"Tomato_FPKM.csv")

参考：

  1. https://mp.weixin.qq.com/s/JOVYGh7pO8SiW-9iIeMO6Q
  2. https://www.jianshu.com/p/aec488f358d2
  3. https://www.jianshu.com/p/6b6bb306b76e
  4. https://www.bioinfo-scrounger.com/archives/407/

方法三

我们直接使用的perl脚本进行转化，很是方便。

perl脚本，获得FPKM

perl CountToFPKM.pl Count.txt > FPKM.txt

原文链接：关于Count，FPKM，TPM，RPKM等表达量的计算及转换 | 干货

代码和数据链接：

本教程涉及的数据、代码和文件等在社群中可获得！！

若我们的分享对你有用，希望您可以点赞+收藏+转发，这是对小杜最大的支持。

往期文章：

1. 复现SCI文章系列专栏

2. 《生信知识库订阅须知》,同步更新，易于搜索与管理。

3. 最全WGCNA教程（替换数据即可出全部结果与图形）

  • WGCNA分析 | 全流程分析代码 | 代码一

  • WGCNA分析 | 全流程分析代码 | 代码二

  • WGCNA分析 | 全流程代码分享 | 代码三

  • WGCNA分析 | 全流程分析代码 | 代码四

  • WGCNA分析 | 全流程分析代码 | 代码五(最新版本)

4. 精美图形绘制教程

  • 精美图形绘制教程

5. 转录组分析教程

转录组上游分析教程[零基础]

一个转录组上游分析流程 | Hisat2-Stringtie

小杜的生信筆記 ，主要发表或收录生物信息学的教程，以及基于R的分析和可视化（包括数据分析，图形绘制等）；分享感兴趣的文献和学习资料!!

这篇关于关于Count，FPKM，TPM，RPKM等表达量的计算的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/835456。

相关文章

计算绕原点旋转某角度后的点的坐标

计算绕原点旋转某角度后的点的坐标

问题： A点（x, y）按顺时针旋转 theta 角度后点的坐标为A1点(x1,y1)  ，求x1 y1坐标用（x，y）和 theta 来表示 方法一： 设 OA 向量和x轴的角度为 alpha ， 那么顺时针转过 theta后 ，OA1 向量和x轴的角度为 (alpha - theta) 。 使用圆的参数方程来表示点坐标。A的坐标可以表示为： \[\left\{ {\begin{ar
阅读更多...
【第十三课】区域经济可视化表达——符号表达与标注

【第十三课】区域经济可视化表达——符号表达与标注

一、前言 地图最直接的表达就是使用符号表达。使用符号可以把简单的点线面要 素渲染成最直观的地理符号，提高地图的可读性。只要掌握了 ArcGIS 符号制 作的技巧，分析符号并总结出规则，就可以制作符合要求的地图+符号。 （一）符号的选择与修改 符号的选择在制图中至关重要，使用符号选择器对话框可从多个可用样式 中选择符号，并且每个符号都有一个标签用来描述其图形特征，如颜色或类型， 利用这些标签可
阅读更多...
【云计算 复习】第1节 云计算概述和 GFS + chunk

【云计算 复习】第1节 云计算概述和 GFS + chunk

一、云计算概述 1.云计算的商业模式 （1）软件即服务（SaaS） 有些景区给游客提供烧烤场地，游客需要自己挖坑或者砌烧烤台，然后买肉、串串、烧烤。 （2）平台即服务（PaaS） 有些景区给游客提供烧烤场地，同时搭建好烧烤台，游客只需要自己带食材和调料、串串、烧烤。 （3）基础设施即服务（IaaS） 有些景区给游客提供烧烤场地，同时搭建好烧烤台，还有专门的厨师来烧烤，用户不需要关心前面的所有
阅读更多...
哺乳细胞重组表达人鼠嵌合抗体：制备与应用

哺乳细胞重组表达人鼠嵌合抗体：制备与应用

重组抗体是一类具有广泛应用价值的蛋白质，在药物研发和生物医学研究中发挥着重要作用。本文将介绍重组抗体的表达方式，重点关注嵌合抗体制备和哺乳细胞重组表达人鼠嵌合抗体的技术原理和应用。 重组抗体表达的原理和方法 重组抗体表达是通过将人或动物源的免疫球蛋白基因导入表达宿主细胞，并使其表达出特异性抗体蛋白质。常用的表达系统包括细菌、哺乳细胞和真核微生物等。 嵌合抗体制备的步骤和优势 选择适当的抗原
阅读更多...
什么是dB？dBm、dBc、dBi、dBd怎么计算，有什么区别？

什么是dB？dBm、dBc、dBi、dBd怎么计算，有什么区别？

什么是dB？dBm、dBc、dBi、dBd怎么计算，有什么区别？ 引言 在电子工程、通信和音频领域，dB（分贝）是一个常见的术语。许多人刚接触时可能会感到困惑，因为它不仅仅是一个简单的单位，还有多种不同的形式，如dBm、dBc、dBi和dBd。这篇文章将详细解释这些概念，并介绍如何计算它们，帮助初学者更好地理解和应用。 什么是dB？ dB，即分贝，是一种表示两个数值比值的对数单位。分贝的基
阅读更多...
php字符串计算汉字、中英文数字个数

php字符串计算汉字、中英文数字个数

$str = '123abcDEF测试的事发地点';$length = strlen(preg_replace('/[\x00-\x7F]/', '', $str));$arr['en'] = strlen( $str) - $length; //（非中文）$arr['cn'] = intval($length / 3); // 编码GBK，除以2 （中文）print_r($
阅读更多...
计算广告：第四章——合约广告

计算广告：第四章——合约广告

计算广告：第四章——合约广告 一、广告位合约 二、受众定向 1、受众定向方法概览 2、 受众定向标签体系 三、展示量合约 1、流量预测 2、流量塑性 3、在线分配 包括按 CPM 计费的展示量合约广告和按 CPT 结算的广告位合约。   一、广告位合约 按CPT结算广告位合约 缺点：无法做到按受众类型投放广告，无法进行深入的优化效果 优点：强曝光属性带来品牌冲击，或
阅读更多...
计算广告：第三章——在线广告产品概览

计算广告：第三章——在线广告产品概览

第三章——在线广告产品概览 一、商业产品的设计原则 二、需求方层级组织及接口 二、供给方管理接口 （1）合约广告产品——主要服务于后续效果不宜直接衡量的品牌类广告主 按时段售卖的CPT广告按约定展示量售卖的CPM广告   （2）竞价广告产品 其形式主要是搜索广告，其产品形式为对搜索关键词的竞价。这种广告拓展到站外广告时，演变为了对页面关键词或者用户标签竞价的产品形式，也就是
阅读更多...
计算广告：第二章——计算广告基础

计算广告：第二章——计算广告基础

一、广告有效性原理 二、互联网广告的技术特点 1、技术和计算向导 2、效果的可衡量性 3、创意和投放方式的标准化 4、媒体概念的多样化 5、数据驱动的投放决策 三、计算广告的核心问题 1、广告收入的分解 2、结算方式与ECMP估计关系 四、在线广告相关行业协会 五、问题 可衡量的效果以及相应的计算优化是在线广告区别线下广告的主要特点，千次展示期望收入（expect
阅读更多...
「学转录组入门生信」第二周来获取表达量矩阵

「学转录组入门生信」第二周来获取表达量矩阵

我们第二周目标有四个: 整理数据RNA-seq格式了解数据质控数据比对read定量 首先，我们得要知道我们在转录组分析过程中会遇到很多格式，建议先通过搜索查找了解这些格式是什么 fasta/fas/fagtf/gffbedsam/bamcsv/tsv/txt 接着，我们会在分析过程中时刻检查我们的数据质量，所以你要尝试回答下面这几个问题 数据质控要在哪个阶段做不同阶段要看什么标准质控有哪
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2