raw_count、tpm、fpkm、rpkm如何选择

转录组测序中常见的数据类型有：raw_count、tpm、fpkm、rpkm。本文进行简单辨析：

一、概念

1 raw_count

RNA-seq数据中，raw_count一般是指mapped到基因外显子区域的reads数目。比如说htseq，STAR，或者RSEM等NGS分析流程计算产生的counts值。其中RSEM(RNA-Seq by Expectation-Maximization)，考虑到一条read 可能会匹配多个exon位置，故而其产生的为expected_count。

2 tpm

TPM(Transcripts Per Million)，每100000个RNA reads，有多少个来自某基因的转录本。在计算方法上，TPM首先对基因长度进行归一化，然后再对测序深度（mRNA reads 总量）进行归一化，最终使得每个样本建库大小可以比较。

基因长度归一化原因：同样表达水平下，某基因长度越长，对应得到的reads数越多。归一化后同一样本的不同基因表达水平间具有可比性；

测序深度归一化原因：不同样本的mRNA reads总量有高有底，归一化后不同样本的基因表达水平间具有可比性；

3 FPKM和RPKM

已经过时了，建议不要使用！