下载TCGA基因表达量文件，应该选Count,FPKM还是FPKM-UQ ?
下载TCGA基因表达量文件，应该选Count,FPKM还是FPKM-UQ ?
GDC中转录组的表达量文件有3种类型，分别对应着不同的定量方法。
Counts 就不用说了，来看看FPKM和FPKM-UQ有啥差别，这个可以查看GDC的官方说明文档中的转录组分析部分，两者的计算公式：
RCg: 比对到基因上的reads数量
RCpc: 比对到所有编码蛋白基因上的reads数量
RCg75: 样品中75%分位对应的基因reads数目
L: 基因的长度，为外显子长度之和
以一个计算实例来说明两者的差别：
假设在样品1中Gene A 的相关统计信息如下：
1. Gene A的长度为：3000
2. 比对到Gene A上的reads数量：1000
3. 比对所有基因上的reads数据量：1,000,000
4. 样品1中覆盖75%基因的reads数：2000
那么，FPKM和FPKM-UQ的计算结果如下：
FPKM = (1,000)*(10^9)/[(3,000)*(1,000,000)] = 333.33
FPKM-UQ = (1,000)*(10^9)/[(3,000)*(2,000)] = 166,666.67
那么我们一般下载那种数据比较好呢？
如果是做差异分析的话，我建议采用counts ，毕竟有不少的差异分析的软件都是基于counts数。
如果是计算样品间的相关性，聚类等，那就可以采用均一化的FPKM,和FPKM-UQ。当然下载counts，之后进行标准化，也是可以的。
所以，一般下载counts会比较好一些。
如果你对TCGA数据挖掘有兴趣的话，可以学习我们的TCGA相关课程。
- 发表于 2018-06-15 14:55
- 阅读 ( 13885 )
- 分类：TCGA
