一行命令完成 Counts 到 CPM、FPKM、TPM、UQ、CUF、TMM 、CTF 的转换

生信益站，一点就有益！祝友友们天天开心，早日发 CNS~

今天给大家介绍一个工具——它完成了RNA-seq标准化方法的Python实现，包括：

1. CPM (Counts per million)
2. FPKM (Fragments per kilobase million)
3. TPM (Transcripts per million)
4. UQ (Upper quartile)
5. CUF (Counts adjusted with UQ factors)
6. TMM (Trimmed mean of M-values)
7. CTF (Counts adjusted with TMM factors)

有关方法的深入描述，请参阅：

• https://github.com/genialis/RNAnorm
  

特征

1. 纯Python实现（不需要R等）
2. 与Scikit-learn兼容
3. 命令行界面
4. 详细的文档
5. 验证方法实施

安装

作者建议使用 pip 安装 RNAnorm：

pip install rnanorm

快速开始

实现的方法可以从 Python 或命令行执行。

从 Python 标准化

最常见的用例是从 Python 运行标准化：

从命令行标准化

还支持从命令行进行标准化。列出可用方法和帮助：

rnanorm --help

# usage: rnanorm [-h] [--gene-lengths GENE_LENGTHS] [--annotation ANNOTATION]
#                [--gene-id-attr GENE_ID_ATTR] [--tpm-output TPM_OUTPUT]
#                [--fpkm-output FPKM_OUTPUT] [--cpm-output CPM_OUTPUT]
#                [--quantile-output QUANTILE_OUTPUT]
#                expression
#
# TPM normalization. The gene expressions file should include genes in rows and
# samples in columns. The gene ID column should be named FEATURE_ID. The gene
# lengths file should have two columns, FEATURE_ID and GENE_LENGTHS. Gene IDs in
# expressions file should match the gene IDs in gene lengths file.
#
# positional arguments:
#   expression            tab-delimited file with gene expression data (genes in
#                         rows, samples in cols)
#
# optional arguments:
#   -h, --help            show this help message and exit
#   --gene-lengths GENE_LENGTHS
#                         tab-delimited file with gene lengths
#   --annotation ANNOTATION
#                         Annotation file in GTF format
#   --gene-id-attr GENE_ID_ATTR
#                         Gene ID attribute for annotation file
#   --tpm-output TPM_OUTPUT
#                         TPM output file name
#   --fpkm-output FPKM_OUTPUT
#                         FPKM output file name
#   --cpm-output CPM_OUTPUT
#                         CPM output file name
#   --quantile-output QUANTILE_OUTPUT
#                         Quantile-normalized expression output file name

获取有关特定方法的信息，例如 CPM：

rnanorm cpm --help

使用 CPM 进行标准化：

rnanorm cpm exp.csv --out exp_cpm.csv

文件exp.csv需要是逗号分隔的文件，其中基因在列中，样本在行中。值应该是原始counts计数。输出保存到exp_cpm.csv。输入文件示例：

cat exp.csv
,Gene_1,Gene_2,Gene_3,Gene_4,Gene_5
Sample_1,200,300,500,2000,7000
Sample_2,400,600,1000,4000,14000
Sample_3,200,300,500,2000,17000
Sample_4,200,300,500,2000,2000

还可以通过标准输入提供输入：

cat exp.csv | rnanorm cpm --out exp_cpm.csv

如果指定的文件--out已存在，该命令将失败。如果你确定要覆盖，请使用--force参数：

cat exp.csv | rnanorm cpm --force --out exp_cpm.csv

如果没有使用参数指定文件--out，则输出将打印到标准输出：

cat exp.csv | rnanorm cpm > exp_cpm.csv

TPM 和 FPKM 方法需要基因长度。这些可以通过GTF文件或基因长度文件提供。后者是一个两列文件。第一列应包含标题中的基因exp.csv，第二列应包含由联合外显子模型计算的基因长度：

# Use GTF file
rnanorm tpm exp.csv --gtf annotations.gtf > exp_out.csv
# Use gene lengths file
rnanorm tpm exp.csv --gene-lengths lenghts.csv > exp_out.csv
# Example of gene lengths file
cat lenghts.csv
gene_id,gene_length
Gene_1,200
Gene_2,300
Gene_3,500
Gene_4,1000
Gene_5,1000

❝

友情提示：输入的原始counts矩阵文件、基因长度文件，第一列的基因id名字需要修改成“FEATURE_ID”。

❞

OK，今天的分享到此为止，希望能对您有所帮助。

您的关注、点赞、在看、转发是对益站最大的鼓励和支持哈。

联系站长

❝

对本篇文章有疑问，可以在益站发消息留言，也欢迎各位童鞋扫码加入我们的 QQ 交流群。

❞