Skip to content

Normalization

一些生信常见的 Normalization 方法

Scaling

Read Counts

Gene             ==========================================================
      >>>>>>>>>-----------<<<<<<<<<       >>>>>>>>>-----------<<<<<<<<<     

Read Counts      : 3     Mapped 到 Gene/Contig 上的Reads数
Fragment Counts  : 2     至少有一端 Mapped 到 Gene/Contig 上的 PE_reads pairs 数

Read Counts 通常是raw OTU 丰度单位；但理论上，长度更长的Gene有机会产生更多Reads，如果想要定量基因的丰度，则需要关于基因长度进行Normalize

CPM

  1. Scaled by Sequencing_Depth (All_Mapped_Reads) $$CPM_{Gene_i}=\frac{MappedReads_i}{\sum(MappedReads)}\times 10^6$$

也称RPM

TPM

  1. Scaled by GeneLength $$A_i=\frac{MappedReads_i}{Length(Gene_i)}\times 10^3$$
  2. Scaled by Sequencing_Depth (All_Mapped_Reads) $$TPM_{Gene_i}=\frac{A_i}{\sum(A)}\times 10^6$$

常见于RNA定量

RPKM/FPKM

RPKM 使用 Mapped_Read_Counts 而 FPKM 使用 Mapped_Fragment_Counts，而Fragment只存在于双端测序数据中。

$$FPKM=\frac{MappedFragments_i\times 10^9}{\sum(MappedFragments)\times Length(Gene_i)}$$ $$=\frac{MappedFragments_i}{AllMappedFragments(per10^6)\times Length_{Gene_i}(kb)}$$

它们与TPM的区别只在Scale的先后顺序，最终：多样本情况下，单个样本TPM值的总和相等，而单个样本RPKM值的总和会有不同。因此某Gene的TPM可以理解为其占总体表达量的相对比例，更适合RNA定量分析。（RPKM再scale by RPKM_SUM一下也许可以达成相似效果？？）