R语言---生信分析---count转换成TPM、FPKM

最新推荐文章于 2024-08-27 08:56:50 发布
最新推荐文章于 2024-08-27 08:56:50 发布
阅读量6.7k 收藏 14
点赞数 2
分类专栏： 生信 R语言 文章标签： r语言 生信分析
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.csdn.net/dujidan/article/details/128321593
版权
这篇博客介绍了如何在R语言中将reads count数据转换为TPM和FPKM，详细步骤包括设置工作目录、加载必要包、读取count数据、获取基因长度、矩阵合并及定义转换函数，提供了从count到TPM/FPKM转换的实用方法。
摘要由CSDN通过智能技术生成

R语言---生信分析---count转换成TPM、FPKM

背景介绍

我们进行分析的时候经常会遇到使用TPM的情况，而我们手中只有 reads count 数据时，就需要把count 的数据转换成 TPM

代码

0. 设置工作目录，加载需要的包

setwd('D:\\Desktop\\GEO分析')
# =======================================
#加载包
rm(list = ls())
options(stringsAsFactors = F)
library(data.table)
library(tibble)
library(dplyr)

1. 读取 reads count 的数据

#==============       输入文件
input_raw_file = 'D:\\Desktop\\GEO分析\\GSE1991\\GSE1991_hPDAC_WTA_20210222T2101_TargetCountMatrix.txt'

#==============          原始数据的处理（RAW）
# 使用原始 raw count 数据
data_df = read.table(input_raw_file,
                  header = TRUE, row.names = NULL)
colnames(data_df)[1] = 'gene_name'

2. 下载基因长度的数据，并读取

# hg38 gtf
# wget ftp://ftp.ensembl.org/pub/current_gtf/homo_sapiens/Homo_sapiens.GRCh38.90.gtf.gz
#读gtf文件，计算所有外显子的长度
gtf <- read_tsv("D:\\Desktop\\database\\Homo_sapiens.GRCh38.108.gtf", 
                comment="#", 
                col_names=c('chr','source','type','start','end'
最低0.47元/天 解锁文章
毒鸡蛋
关注
专栏目录
2021.04.22【RNA-seq流程】丨count值转换为FPKM值优化2.0
04-22 1万+
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cou
Count，TPM，FPKM，CPM之间的格式转换——Count转FPKM
weixin_46500027的博客
06-02 7932
Count，TPM，FPKM，CPM之间的格式转换——Count转FPKM
count格式的数据转换(count to FPKM,count to TPM) 【GEO数据库】
最新发布
weixin_46587777的博客
08-27 1760
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。
Count数据转换为TPM数据方法整理-常规方法、DGEobj.utils和IOBR包
zfyyzhys的博客
07-13 1589
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。
转录组实战03: Count转TPM、FRKM、CPM
weixin_44493991的博客
03-04 1670
<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
count转化为TPM
sayhello1025的博客
11-19 6288
library(biomaRt) #查看基因组参数 mart = useMart('ensembl') listDatasets(mart) #你需要哪个基因组，就复制它在dataset列里的词，放在下面这行的`dataset = `参数里 #此处以人类为例，植物参考注一 bmart <- biomaRt::useMart(biomart = "ENSEMBL_MART_ENSEMBL", dataset = "hsapiens_gene_ens
R语言计算TPM，RPKM，DeSeq2标准化原理
weixin_44231554的博客
05-15 1005
计算TPM,RPKM，Deseq2标准化原理
R语言基因表达量转换（TPM、FPKM、RPKM）
Squirrelity的博客
07-01 7469
基因表达量转换，正在更新
R语言 | 计算基因表达量 TPM R脚本
weixin_42083461的博客
10-22 3418
因此，为了消除测序数据中的技术偏差，需要使用归一化，而不是直接使用Row reads count，例如RPKM(每千碱基每百万次映射的转录的读数)、FPKM(每百万个片段的每千基的转录的片段)和TPM(每百万条的转录)。FPKM与RPKM密切相关，但用片段(Pair reads) 取代了单端测序(这种命名的原因是历史的，因为最初的读取是单端的，但随着 pair-end 测序的出现，现在谈论片段更有意义，因此也就是FPKM).目前TPM的计算方式更加科学，被研究人员普遍认可。
新版TCGA数据整理，通过R语言实现TCGA数据整理
04-05
在该文件中，首先使用jsonlite包（rjson的升级版，更加稳定高效）中的`fromJSON`函数将JSON格式的metadata文件转换为R语言能够处理的数据结构。 - **设置工作目录**：`setwd()`函数用于设置工作目录，这里设置为...
关于Count，FPKM，TPM，RPKM等表达量的计算及转换 | 干货
BioinfoDu
03-22 2187
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。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！！
高通量测序数据分析：RNA-seq
热门推荐
qq_41134363的博客
06-20 2万+
深度测序相关数据库与数据格式 SRA toolkit 一、NCBI 和EBI、DDBJ组成INSDC，数据内容相同所以找NCBI就行。 （一）NCBI常用数据库 GenBank：遗传序列数据库，收集了所有公开的DNA序列及其注释 GEO (Gene Expression Omnibus) ：收集整理各种表达芯片数据，后来加入了甲基化、lncRNA、miRNA、CNV等其他芯片，还有高通量测序数据...
TPM、read counts、RPKM/FPKM你选对了吗？
weixin_30512785的博客
10-18 6720
TPM、read counts、RPKM/FPKM你选对了吗？ 已有 3940 次阅读2017-12-15 15:04|个人分类:RNA-seq|系统分类:科普集锦|关键词:RNA-seq|RNA-seq 本文转载自嘉因微信公众号，已获得授权。查看最新文章，敬请关注嘉因，微信ID：rainbow-genome 作者：小哈 来源：嘉因 在RNA测序分析，哪家公司适合...
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
纯Python read_counts 转FPKM v2
qq_26012913的博客
12-29 2927
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
read_counts转FPKM（基于gtf和read_counts文件）（exon）
qq_26012913的博客
11-26 4568
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
Count，TPM，FPKM，CPM之间的格式转换——Count转TPM
weixin_46500027的博客
06-04 4533
Count，TPM，FPKM，CPM之间的格式转换——Count转TPM
RNA-seq生信分析R语言代码
09-27
RNA-seq的生信分析可以使用R语言进行。下面是RNA-seq分析的大体步骤和对应的R语言代码： 1. 数据质控： - 质量评估和过滤：使用软件如FastQC和Trimmomatic对测序数据进行质量评估和过滤。 ```R library("ShortRead") library("Rsubread") # 质量评估 qc <- FastqFile("sample.fastq") quality <- qa(qc) # 过滤 filtered <- filterFASTQ(qc, output_file="filtered.fastq", trimVector=TRUE) ``` 2. 数据比对： - 将测序数据比对到参考基因组或转录组上，使用软件如HISAT2和STAR。 ```R library("Rsubread") # 比对到参考基因组 index <- buildindex("genome.fasta", "genome_index") aligned <- align(index, "filtered.fastq", output_file="aligned.bam") ``` 3. 确定基因表达水平： - 使用软件如featureCounts和HTSeq将比对结果转换为基因表达矩阵。 ```R library("Rsubread") # 生成基因表达矩阵 counts <- featureCounts("aligned.bam", annot.ext="gene.gtf", isPairedEnd=FALSE) ``` 4. 差异基因表达分析： - 使用软件如DESeq2和edgeR对基因表达矩阵进行差异基因分析。 ```R library("DESeq2") # 差异分析 dds <- DESeqDataSetFromMatrix(countData=counts, colData=sample_info, design=~condition) dds <- DESeq(dds) results <- results(dds) ``` 以上是RNA-seq生信分析的大体步骤和对应的R语言代码。请根据实际情况对代码进行相应的调整和优化。如果需要更详细的代码和解释，请参考相关的生物信息学教程和文献。
评论
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
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