Analysis of single cell RNA-seq data 学习笔记(五)

今天来介绍单细胞转录组，或者转录组里面，对我们计数所得的count值的标准化方式

CPM

它是直接对count进行标准化，其单位是counts/每百万条，即每个counts值除以总的reads数（主要单位是每百万条）
R codes：

calc_cpm 

与CPM相类似的还有RPKM，FPKM，TPM我在之前的推送有过介绍

RLE（SF）

这类标准化是通过引入size factor（SF）来完成的
这个SF怎么求：
1.计算每个基因在所有细胞内表达量的几何平均数
2.计算每个基因在所有细胞内表达量的中位数
3.SF即为该中位数除以该几何平均数

最后我们每个count值都除以这个SF即可
R codes：

calc_sf  0)]) 
     } 
  norm_factor <- apply(expr_mat[-spikes, ], 2, SF) 
 
return(t(t(expr_mat)/norm_factor)) }

UQ

这个的全称叫做 upperquartile，具体怎么做呢？
首先对每一列（每个细胞）的基因表达量做一个排序，取75%分位数，然后计算每一列（每个细胞）的中位数
最后标准化因子为每一列（每个细胞）的75%分位数除以每一列（每个细胞）中位数
然后把每一个count除以该标准化因子即可

R codes：

calc_uq  0], 0.75) 
   } 
     uq <- unlist(apply(expr_mat[-spikes, ], 2, UQ)) 
     norm_factor <- uq/median(uq) 
 return(t(t(expr_mat)/norm_factor)) }

TMM

这个在单细胞里面并不常用，因为细胞太多了，而常用于普通RNA-seq，我们首先要选取一个样品作为参照，再选取另一个样品作为实验组：

1. 计算整两组样品中对应基因的log2 FC值，然后进行排序，除去最高的30%和最低的30%的log2 FC 的值
2. 剩下的log2 FC值求它们的算术平均值，此值即为M_value
3. 每一个实验组的样品，每个基因乘这个M_value即可