RNAseq数据分析第9-10课

RNAseq数据评估

• 主要包括测序饱和度和测序随机性两个指标

• 横坐标是读段数量，纵坐标是检测到表达基因的数量；对于下图，如果只以150万条reads做检测，结果是基因表达了4200个，而还有100个表达基因检测不到却被说没表达，得到的结论不准确。
  
  

序列比对FAQ

• 测序数据量
  
• 测序不饱和的影响
  
• 可以比对到基因组，比对不到基因集
• 基因集是指具有遗传特性的基因编码的集合，
  
• 基因比对率低会有什么影响
  
• unspliced比对方法可能会造成发生可变剪接的读段匹配不到参考基因组上。
  

基因表达量的计算

• 根据基因是否被reads覆盖到来推测该基因是否发生了表达。
  
• 覆盖度相同，长度不同的基因。长度更长的基因表达量更高
  
• 相同的基因长度，测序深度不同，表达量也不同
  
• 基因表达量的计算公式RPKM，通餐只适合原核生物，而不适合真核生物。主要由于真核的可变剪接
  
• RPKM不适合发生可变剪接的数据
  
• FPKM计算公式，F表示fragment，计算的是片段。RPKM的R是reads。
  

计算基因表达量软件

rpkm计算（rpkmgorgenes.py）

1. 统计落在每个基因上的reads数目，测序乘数、基因长度
2. rpkmforgenes.py可选参数说明