前一期讲到count转fpkm格式:
下面讲一下count转换为TPM。
其实方法很简单,就是之前发的两篇文章的整合,count转为fpkm,然后转为TPM,下面我们用另一种算法计算TPM,数据和之前一样:
继续用上一篇文章里的文件,这里的基因长度文件,购买后点击百度网盘直接获取:
下面我们要准备基因长度的文件,由于此处处理过程较为复杂,我们已经计算好了基因长度的文件并上传到百度网盘,购买者可自行下载:链接:https://pan.baidu.com/s/1wxWhRq_QKqm8Y8PXizYGtw
提取码:n8wr
下面我们先运行前面的部分:
setwd("C:\\数据清洗")
dir()
data <- read.csv("TCGA-ACC.htseq_counts.tsv",header = T,sep = "\t")
data[1:5,1:5]
rownames(data) <- data$Ensembl_ID
data <- data[,-1]
data[1:5,1:5]
data <- 2^data-1
data[1:5,1:5]
dir()
length <- read.csv("gene_length.csv",header = T,sep = ",")
head(length)
rownames(length) <- length$X
head(length)
rownames(length) <- substr(rownames(length),1,15)
rownames(data) <- substr(rownames(data),1,15)
data[1:5,1:5]
head(length)
inter <- intersect(rownames(data),rownames(length))
data <- data[inter,]
length <- length[inter,]
data[1:5,1:5]
identical(rownames(length),rownames(data))
if (identical(rownames(length), rownames(data))){
print("GTF and expression matix now have the same gene and gene in same order")
}
# > if (identical(rownames(length), rownames(data))){
#+ print("GTF and expression matix now have the same gene and gene in same order")
#+ }
#[1] "GTF and expression matix now have the same gene and gene in same order"
然后运行下面代码:
x <- data / length$eff_length
expMatrix_tpm <- t( t(x) / colSums(x) ) * 1e6
#查看前三个基因的TPM值
expMatrix_tpm[1:3,]
colSums(expMatrix_tpm)
write.table(expMatrix_tpm, "TCGA_.genes.tpm.txt", sep="\t", quote=F, row.names=T)
# > colSums(expMatrix_tpm)
#TCGA.OR.A5JP.01A TCGA.OR.A5JG.01A TCGA.OR.A5K1.01A TCGA.OR.A5JR.01A TCGA.OR.A5KU.01A TCGA.OR.A5L9.01A
# 1e+06 1e+06 1e+06 1e+06 1e+06 1e+06
#TCGA.OR.A5JQ.01A TCGA.OR.A5K4.01A TCGA.OR.A5JL.01A TCGA.OR.A5LS.01A TCGA.OR.A5K2.01A TCGA.OU.A5PI.01A
# 1e+06 1e+06 1e+06 1e+06 1e+06 1e+06
#TCGA.P6.A5OG.01A TCGA.OR.A5JW.01A TCGA.OR.A5JF.01A TCGA.OR.A5J8.01A TCGA.PA.A5YG.01A TCGA.OR.A5KV.01A
# 1e+06 1e+06 1e+06 1e+06 1e+06 1e+06
可以看到基因的长度都变成了10的6次方。