RPKM、FPKM、TPM

RPKM、FPKM、TPM

RPKM（Reads Per Kilobase per Million）

每千个碱基的转录每百万映射读取的reads数

FPKM（Fragments Per Kilobase per Million）

每千个碱基的转录每百万映射读取的fragments

TPM（Transcripts per million）

每百万条reads的转录本

ref

RPKM和FPKM值衡量基因表达量

StatQuest学习笔记24——RPKM FPKM TPM

Read count CPM RPKM

http://www.360doc.com/content/18/0112/02/50153987_721216719.shtml【看这个】

YouTube上的视频链接https://www.youtube.com/watch?v=TTUrtCY2k-w

理解

进行基因差异表达的分析

一般来说，在多个样本中比较不同基因的表达量

因此，需要对数据进行标准化

数据标准化的两个标准因素：

• 基因长度
  • 基因越长，read counts数目越多
• 测序深度
  • 测序深度越高，read counts数目越多

而，RPKM、FPKM、TPM被用来作为标准化数值

（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。）

具体计算

见http://www.360doc.com/content/18/0112/02/50153987_721216719.shtml【看这个】

如RPKM

即read是以百万为单位，base是以千为单位

1. 测序深度标准化【计算 reads per million】：
   1. 算出每个样本的reads数目（reads数目单位是百万），记为A
   2. 某样本的每个基因的reads数目除以A
   3. 得到每个样本中，每个基因的reads数目占对应样本的reads总数的占比。记为B
2. 基因长度标准化：
   1. 计算rpkm：用B除以每个样本中每个基因序列的长度（基因序列单位是千）
3. 得到PRKM

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。

TPM，计算顺序与RPKM相反，即先考虑基因长度，再是测序深度。

1. reads per kilobase
2. 除以样本的百万碱基

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。

other

Reads即是指下机后fastq数据中的每一条Reads，
Fragments则是指每一段用于测序的核酸片段。

碱基数（base，通常以G为单位）：碱基的数目

序列数（reads，通常以M为单位）：含有一定碱基数目的基因序列的数目

序列数×序列读长=碱基数

（举个例子，我做了20M reads的转录组测序，序列读长是双端150bp，那么碱基数就约等于2×150×20M=6G）

转录组测序的分析流程大致可以分成三类

• 基因组比对（Genome mapping）
• 转录组比对（Transcriptome mapping）
• 转录组组装（Reference-free assembly）

（一般来说，公共数据库会提供测序样品的基因组和转录本的序列。因此，只要知道reads来自那一条转录本即可。只要将reads和参考[refernece]基因组/转录组的序列进行比较和匹配的过程，称之为“比对”，就是mapping和read alignment）