DESeq2归一化算法详解

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