sequencing - 如何从床文件或假发文件中获取 RPKM 值？这两种类型的文件有什么区别？

Question

我想从 RNAseq 下载 fastq 原始文件以获取基因表达值。但 GEO 仅提供 .bed.gz 和 .wig.gz 格式。我可以做些什么来获得 RPKM 值？非常感谢！

Answer 1

为了计算RPKM，您需要（映射）包含在 BAM/SAM 甚至 CRAM 文件中的原始读取。Wiggle、BED 及其衍生产品如 bigWiggle 是仅包含覆盖范围（主要用于绘图）的压缩版本，也就是说，它们丢失了计数所需的读取信息，因此计算 RPKM（或这种方式的 FPKM/TPM）。

标准方法是从 bam 文件开始，提取感兴趣区域的读取计数并计算 RPKM 等。那里有很多管道，例如this。

如果没有 Bam 文件，GEO 通常至少有原始的 fastq 文件（或可以转换为 fastq 的 sra 文件）作为映射获得 bam 文件的基础。还可以看看 ArrayExpress，他们可以拥有该项目的原始文件，因为它正在镜像 GEO。

也许作为警告，如果您打算进行差异表达分析，您需要从原始计数开始，而不是 RPKM 值。