count、tpm、fpkm等表达量差异
count、tpm、fpkm等表达量差异
医学和生信笔记
发布于 2023-02-14 17:30:48
发布于 2023-02-14 17:30:48
代码可运行
运行总次数：0
代码可运行
在进行差异分析、生存分析等下游分析时，有很多粉丝朋友对到底使用哪种类型的数据非常纠结，所以我们今天比较一下counts、tpm、fpkm、vst、cpm的表达量差异，让大家对这些数据类型有一个直观的感受。
以TCGA-CHOL为例。
首先获取counts、tpm、fpkm表达矩阵，这个过程建议使用1行代码系列，一步到位：
rm(list = ls())
load(file = "G:/tcga/TCGA-mRNA/TCGA-CHOL_mRNA.Rdata")
library(tidyverse)
library(SummarizedExperiment)
然后我们再准备下vst格式的表达矩阵：
library(DESeq2)
mrna_expr_vst <- vst(as.matrix(mrna_expr_counts))
再准备下cpm格式的表达矩阵：
library(edgeR)
mrna_expr_cpm <- cpm(mrna_expr_counts)
简单看下数据情况，都是19938行，44列。
dim(mrna_expr_counts)
dim(mrna_expr_fpkm)
dim(mrna_expr_tpm)
dim(mrna_expr_vst)
dim(mrna_expr_cpm)
[1] 19938 44
[1] 19938 44
[1] 19938 44
[1] 19938 44
[1] 19938 44
然后简单画个箱线图看看表达量分布情况：
opar <- par(mfrow=c(3,2))
boxplot(mrna_expr_counts)
boxplot(mrna_expr_fpkm)
boxplot(mrna_expr_tpm)
boxplot(mrna_expr_vst)
boxplot(mrna_expr_cpm)
结果很清晰了吧？这里面只有vst是另类，这也是为什么vst不需要再log的原因，其他4种类型的表达量都是很大且很分散的。
接下来我们再看看其他几个数据log之后的情况。
opar <- par(mfrow=c(3,2))
boxplot(log2(mrna_expr_counts+1))
boxplot(log2(mrna_expr_fpkm+1))
boxplot(log2(mrna_expr_tpm+1))
boxplot(mrna_expr_vst)
boxplot(log2(mrna_expr_cpm+1))
这样看是不是很接近了呢？
所以大家不要纠结了！对于TCGA这种转录组数据，差异分析就用counts，使用DESeq2包，后续的各种分析都用vst，没啥问题。你看这篇cell的文章用的就是vst后的数据：
当然log2之后的tpm也可以用于后续的各种分析，你去pubmed搜一下就知道，大把文章用的都是log2(tpm+1)这种，当然你用log后的tpm做差异分析(limma包)也是可以的(不推荐)，可以多看看文献~
fpkm现在都不推荐使用了！
新版TCGA系列推文
2.新版TCGA数据库学习：表达矩阵提取（mRNA/lncRNA/counts/tpm/fpkm）
3.手动下载的TCGA数据也是可以用TCGAbiolinks包整理的
6.TCGA的maf突变文件不能下载了？直接用TCGAbiolinks包搞定！
10.TCGA官网下载的文件数量竟然和TCGAbiolinks不一致！
11.可能是最适合初学者的TCGA官网下载和表达矩阵整理教程
本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。
原始发表：2023-01-15，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
腾讯云开发者
