FPKM\RPKM\TPM学习[转载]

转自：http://www.360doc.com/content/18/0112/02/50153987_721216719.shtml

1.问题提出

在RNA-Seq的分析中，对基因或转录本的read counts数目进行标准化（normalization）是一个极其重要的步骤，因为落在一个基因区域内的read counts数目取决于基因长度和测序深度。

很容易理解，一个基因越长，测序深度越高，落在其内部的read counts数目就会相对越多。

当我们进行基因差异表达的分析时，往往是在多个样本中比较不同基因的表达量，如果不进行数据标准化，比较结果是没有意义的。

因此，我们需要标准化的两个关键因素就是基因长度和测序深度，常常用RPKM (Reads Per Kilobase Million), FPKM (Fragments Per Kilobase Million) 和 TPM (Transcripts Per Million)作为标准化数值。

那么，这三者计算原理是什么，有何区别呢？

2.例子说明

为了更清楚的展示计算过程，我们用三个样本的4个基因的read counts矩阵做例子。

从上表，样本3的4个基因read counts数目明显多于其他两个样本，说明其测序深度较高，基因B的长度的基因A的两倍，也使得其read counts在三个样本中都高于A。

接下来我们要做就是对这个矩阵进行标准化，分别计算RPKM, FPKM和TPM, 请睁大你的眼睛（为了使数值可读性更好，下面的计算中我们用10代表million）。

2.1计算RPKM

第一步先将测序深度标准化，计算方法很简单，先分别计算出每个样本的总reads数（这里以10为单位），然后将表中数据分别除以基因长度即可，这样就得到了reads per million. 如下表：

第二步即是基因长度的标准化了。将表2的read per million直接除以基因长度即可，如下表：

到这里，我们即得到了RPKM。

2.2FPKM

FPKM和RPKM的定义是相同的，唯一的区别是FPKM适用于双端测序文库，而RPKM适用于单端测序文库。

FPKM会将配对比对到一个片段（fragment）上的两个reads计算一次，接下来的计算过程跟RPKM一样。

在两种测序中

在FPKM中，F就是指fragment，也就是说在计算时使用的是fragment而不是reads。

那么由此可以得到在双端测序中，如果使用RPKM计数（计数reads数目）的话，那么RPKM值将会是FPKM值的1~2倍。（呼！我终于理解了！）

2.3TPM

终于轮到TPM登场了。

虽然同样是标准化测序深度和基因长度，TPM的不同在于它的处理顺序是不同的。

即先考虑基因长度，再是测序深度。我们仍以表1的那个例子来说明TPM是计算过程。

第一步直接除以基因长度，得到reads per kilobase，如下表：

第二步标准化测序深度时，总的reads数要用第一步中除过基因长度的数值。

即第一样本除以15，第二个样本除以20.25，第三个样本除以45.1 （别忘了我们的单位是10哦）。下表就是你们想要的TPM了。

3.RPKM与TPM比较

下面，是考验你们数学功底的时候了，有没有看出来TPM分分钟完虐FPKM/RPKM？其实，只要我们在表3和表5下面多加一行你就能很轻松地看到区别了。

我们看到每个样本的TPM的总和是相同的，这就意味着TPM数值能体现出比对上某个基因的reads的比例，使得该数值可以直接进行样本间的比较。

//至于为什么每个sample的和是相通的，我也没有搞清楚。