如何从床文件或假发文件中获取RPKM值？这两种文件之间的区别是什么？

Question

我想从RNAseq下载fastq原始文件以获取基因表达值。但是GEO只提供.bed.gz和.wig.gz格式。我该怎么做才能获得RPKM值？非常感谢你！

Answer 1

为了计算RPKM，您需要（映射）BAM / SAM或甚至CRAM文件中包含的原始读取。 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，即它们丢失了计数所需的读取信息，因此计算了RPKM（或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。有许多管道，例如this。

如果Bam文件不可用，GEO通常至少具有原始fastq文件（或可以转换为fastq的sra文件）作为映射的基础以获取bam文件。另外看看ArrayExpress，他们可以拥有该项目的原始文件，因为它正在镜像GEO。

也许作为一个警告，如果你打算进行差异表达式分析，你需要从原始计数，而不是RPKM值。