Count，TPM，FPKM，CPM之间的格式转换——FPKM转TPM格式

在做转录组分析，下载的数据有各种形式，比如count，FPKM，tpm。我今年2月份发表的一篇文章，小修审稿人提出FPKM过时了，建议我换成CPM。

我特地去pubmed查了查，发现CPM确实比FPKM和TPM要好。但是现在大多数的文章还是支持TPM格式，但是FPKM已经过时了。

我会陆续将TCGA网站上的数据转换成CPM和TPM格式然后上传到我的资源，这样大家就避免了数据前期处理的麻烦。

下面我们开始进入正题：

今天先讲FPKM转变为TPM，很多数据都是FPKM格式，例如TCGA里面的表达数据，除了count，就是FPKM的形式。

下面我们以TCGA的数据为例子：

 选择一个胆管癌数据库：

 选择FPKM格式的测序数据：

 下载数据：

 此处注意数据的格式是log2(fpkm+1)的形式：

我们要做fpkm转换为tpm，需要将表达数据转换成fpkm，即2^data-1。

 我们先读取数据：

setwd("H:\\")
dir()
data <- read.csv("TCGA-CHOL.htseq_fpkm.tsv",header = T,sep = "\t")
rownames <- as.data.frame(data$Ensembl_ID)## 将第一列的基因名传给rownames
data <- data[,-1]## 减去第一列基因名，只剩下表达数据
data[1:5,1:5]

将log2（FPKM+1）转换成FPKM形式：

data <- 2^data-1
data[1:5,1:5]


> data[1:5,1:5]
  TCGA.ZD.A8I3.01A TCGA.W5.AA2U.11A TCGA.W5.AA30.01A TCGA.W5.AA38.01A TCGA.W5.AA30.11A
1       0.06480644        0.0000000         0.000000         0.000000        0.0000000
2       0.00000000        0.0000000         0.000000         0.000000        0.0000000
3       2.77571417        1.1098491         3.140476         5.657167        1.6098847
4       0.00000000        0.0000000         0.000000         0.000000        0.0000000
5       4.32271632        0.5173048         2.536254        12.805596        0.5115492

 FPKM转换成TPM：

fpkmToTpm <- function(fpkm)
{
  exp(log(fpkm) - log(sum(fpkm)) + log(1e6))
}
TPM <- apply(data,2,fpkmToTpm)

可以看到，每个样本名的总和都是1*1^6，说明已经完成tpm转换。

colSums(TPM)



> colSums(TPM)
TCGA.ZD.A8I3.01A TCGA.W5.AA2U.11A TCGA.W5.AA30.01A TCGA.W5.AA38.01A TCGA.W5.AA30.11A TCGA.YR.A95A.01A 
           1e+06            1e+06            1e+06            1e+06            1e+06            1e+06 
TCGA.W5.AA36.01A TCGA.W5.AA2U.01A TCGA.ZH.A8Y2.01A TCGA.3X.AAVB.01A TCGA.W5.AA2Q.01A TCGA.W5.AA2Z.01A 
           1e+06            1e+06            1e+06            1e+06            1e+06            1e+06 
TCGA.3X.AAVA.01A TCGA.W5.AA34.11A TCGA.ZH.A8Y6.01A TCGA.ZH.A8Y1.01A TCGA.ZU.A8S4.01A TCGA.W5.AA2R.01A 
           1e+06            1e+06            1e+06            1e+06            1e+06            1e+06 
TCGA.W5.AA2H.01A TCGA.W5.AA2R.11A TCGA.W5.AA2I.11A TCGA.W5.AA39.01A TCGA.W5.AA2O.01A TCGA.3X.AAVC.01A 
           1e+06            1e+06            1e+06            1e+06            1e+06            1e+06 
TCGA.3X.AAVE.01A TCGA.W5.AA2X.01A TCGA.ZH.A8Y5.01A TCGA.W5.AA33.01A TCGA.ZH.A8Y8.01A TCGA.WD.A7RX.01A 
           1e+06            1e+06            1e+06            1e+06            1e+06            1e+06 
TCGA.W5.AA34.01A TCGA.W6.AA0S.01A TCGA.4G.AAZO.01A TCGA.W5.AA31.01A TCGA.W5.AA2W.01A TCGA.W5.AA2Q.11A 
           1e+06            1e+06            1e+06            1e+06            1e+06            1e+06 
TCGA.W5.AA31.11A TCGA.ZH.A8Y4.01A TCGA.W5.AA2T.01A TCGA.W5.AA2X.11A TCGA.4G.AAZT.01A TCGA.3X.AAV9.01A 
           1e+06            1e+06            1e+06            1e+06            1e+06            1e+06 
TCGA.ZU.A8S4.11A TCGA.W5.AA2I.01A TCGA.W5.AA2G.01A 
           1e+06            1e+06            1e+06 

转换完以后，此时是TPM格式，记住将TPM转变成log2(TPM +1)，然后再和之前保存的基因rownames合并。

TPM <- log2(TPM+1)
data <- cbind(rownames,TPM)
write.csv(data,"data.csv")## 读出数据