欢迎关注”生信修炼手册”!
对于RNA_Seq而言,得到基因/转录本的定量结果仅仅是第一步, 只是对测序数据的汇总, 相同的工作也可以通过芯片直接得到。
无论是芯片也好,测序也罢,定量只不过是量化生物体内转录本的表达丰度,仅仅一个定量的结果并不能得到有效的生物学结论。为了回答生物学问题,还需要进行后续的差异分析。
由于定量的方式有很多种,比如raw count, TPM, RPKM/FPKM 等,不同的定量方式其表达量的分布是不同的,所以差异分析时采用的软件与算法也会不同。本文介绍DESeq2这个R包,主要是针对raw count的定量结果,进行差异分析。
软件的官网如下
https://bioconductor.org/packages/release/bioc/html/DESeq2.html
DESeq2要求输入的定量结果为raw count形式,raw count其实是根据reads数计算得到,所以要求必须全部是整数。
由于不同样本的测序量不完全相同,所以raw count无法在样本间直接比较,就是说同一个基因在样本A中的raw count大于样本B中的raw count , 并不意味这在A中的表达量就高,数值大可能是由于样本A测序的reads 总数大造成的。
为了在样本间进行差异分析,首先就需要对原始的raw count 表达量数据进行归一化。在DESeq2中,通过estimateSizeFactors
函数为每个样本计算一个系数,称之为sizefactor, 示意如下