edgeR提供的TMM归一化算法详解

欢迎关注”生信修炼手册”!

我们都知道raw count的定量方式，是无法直接在样本间进行比较的。所以差异分析时，都会对原始的表达量数据进行归一化。

在之前的文章中，我们介绍了DESeq2提供的归一化算法，本章介绍下edgeR的TMM归一化算法。

造成raw count无法直接比较的因素有很多，最常见的有以下两个因素
1.测序量
2.RNA的组成

测序量对count的影响很好理解，测序的数据量越大，对应的reads也就越多。RNA的组成是如何影响表达量的呢？

由于RNA的组织特异性，时间特异性等因素，我们无法保证两个样本中表达的RNA的种类和数量完全相同。假设两个样本A和B, B中的RNA的种类是A的两倍，共有的RNA表达量相同，在相同测序量的情况下，共有的RNA在A中的表达量会是B中的两倍，由此可见，不同样本RNA的构成也会对检测到的RNA表达量造成影响。

归一化时，通常的做法是只考虑样本间相同的RNA, 在此基础上，再消除测序量的影响。

DESeq2的归一化算法只考虑在所有样本中表达量都大于零的基因，也是出于相同RNA构成的考虑。edgeR采取了参照样本的策略，首先从所有样本中挑选一个样本作为参照，在对其他样本进行归一化时，只考虑哪些在参照样本和待归一化的样本间共有的RNA。

选取参照样本的代码如下

y   <- t(t(data)/lib.size)
f75 <- apply(y,2,function(x) quantile(x,p=p0.75))
refColumn <- which.min(abs(