环状RNA二代测序得到的reads数如何转化成counts或者FPKM数据

Question

从GEO下载的环状RNA测序数据，数据类型是reads数，我该如何将其转化为counts、CPM或者FPKM数据？

Answer 1

Bishop311 上午好☀️☀️☀️️
本答案参考ChatGPT-3.5

要将环状RNA二代测序得到的reads数转化为counts、CPM或FPKM数据，可以按照以下步骤进行:

1. 将reads数转换为counts数据:

   • 首先，根据每个样本的测序深度计算出标准化因子，通常使用reads数的总和或者每百万reads的缩放因子。
   • 然后，将每个样本的reads数除以相应的标准化因子，得到每个基因的counts数据。

2. 将counts数据转换为CPM(Counts Per Million)数据:

   • CPM是为了比较不同样本间的基因表达量而进行的标准化。
   • 首先，计算每个样本的counts总和，然后将每个样本的counts数据除以相应的counts总和，再乘以1,000,000。

3. 将counts数据转换为FPKM(Fragments Per Kilobase Million)数据:

   • FPKM是用于衡量基因表达量的一种标准，考虑了基因的长度差异并进行了标准化。
   • 首先，计算每个基因的长度，例如根据基因的位置信息计算基因长度。
   • 然后，根据每个样本的总counts数，基因长度和每百万的缩放因子计算出每个基因的FPKM值。

以下是一个简单的示例代码，演示如何将reads数转换为counts和FPKM数据:

import pandas as pd

# 假设读取的数据存储在一个名为"data.csv"的CSV文件中
data = pd.read_csv("data.csv", delimiter="\t")

# 计算每个样本的标准化因子
normalization_factors = data.sum(axis=1)

# 将每个样本的reads数除以标准化因子得到counts数据
counts_data = data.iloc[:, 4:].div(normalization_factors, axis=0)

# 计算每个样本的总counts数
total_counts = counts_data.sum()

# 计算每个基因的长度
# 这里假设基因长度存储在一个名为"gene_lengths.csv"的CSV文件中
gene_lengths = pd.read_csv("gene_lengths.csv")

# 根据每个样本的总counts数，基因长度和每百万的缩放因子计算出每个基因的FPKM值
fpkm_data = counts_data.div((total_counts / 1e6), axis=1).div(gene_lengths["length"], axis=0)

# 输出counts和FPKM数据
counts_data.to_csv("counts_data.csv", index=False)
fpkm_data.to_csv("fpkm_data.csv", index=False)

请注意，这只是一个示例代码，具体的代码实现可能因数据格式和处理要求而有所不同。要根据自己的数据进行修改和调整，以适应特定的数据和分析需求。