本文转载自嘉因微信公众号，已获得授权。查看最新文章，敬请关注嘉因，微信ID：rainbow-genome

作者：小哈  来源：嘉因

在RNA测序分析，哪家公司适合我一文中，聊过类似的问题。

这次小哈搬来了statQuest的3个最新视频，https://statquest.org/video-index/，点击左下角“阅读原文”直达statQuest视频目录。帮你理清RNA-seq数据预处理方法，哪个更适合你的问题。

先说结论：

1. 学术界已经不再推荐RPKM、FPKM；

2. 比较基因的表达丰度，例如哪个基因在哪个组织里高表达，用TPM做均一化处理；

3. 不同组间比较，找差异基因，先得到read counts，然后用DESeq2或edgeR，做均一化和差异基因筛选；如果对比某个基因的KO组和对照，推荐DESeq2。

如果找公司做RNA-seq数据处理，计算表达量时，记得要read counts。

RPKM/FPKM、TPM

在RNA-Seq分析|RPKM, FPKM, TPM, 傻傻分不清楚？里，根据上面的视频用汉语描述了这三个值的区别。

下面是视频截图

不再用RPKM/FPKM，现在推荐用TPM

一表看懂TPM更适合比较同一基因在不同sample间表达丰度的差异

DESeq2或edgeR

DESeq2和edgeR不用RPKM/FPKM或TPM做均一化，而是直接用原始的read counts做均一化处理。

DESeq2和edgeR能很好的解决这两个问题

测序深度的差异问题，用RPKM/FPKM、TPM、DESeq2和edgeR都能处理

如果组间RNA成分差异较大，怎么办？

例如liver跟spleen比，组织特异性表达基因在里面捣乱；再例如常见的某个基因KO组与对照相比，该基因成分在KO组里缺失。

DESeq2做均一化

用edgeR作均一化