熟悉轉(zhuǎn)錄組數(shù)據(jù)（特別是RNA-Seq）分析的小伙伴肯定對(duì)RNA數(shù)據(jù)標(biāo)準(zhǔn)化流程了如指掌,，曾經(jīng)的我也天真地以為會(huì)做了RPKM和TPM就萬(wàn)事大吉了，可是前兩天處理一個(gè)流程的時(shí)候讀到了下面一段文字,，讓我瞬間惶恐萬(wàn)分：

quantile normalization 是什么鬼,？為什么跟我做差異分析的時(shí)候說(shuō)的不一樣？于是趕緊維基百科一下,，這還真是專業(yè)的統(tǒng)計(jì)術(shù)語(yǔ),，主要目的是使數(shù)據(jù)分布均一。那對(duì)于轉(zhuǎn)錄組數(shù)據(jù)而言,，quantile normalization到底是一個(gè)怎樣的操作呢,？

先說(shuō)轉(zhuǎn)錄組矩陣

大伙很清楚了，轉(zhuǎn)錄組數(shù)據(jù)（這里不僅僅包括測(cè)序,，芯片也可以）可以看作是一個(gè)二維矩陣,，矩陣中每一列是表示一個(gè)樣本，每一行表示一個(gè)基因,。如下圖示例：

看到這組數(shù)據(jù),，大家可能會(huì)有以下兩個(gè)直觀的感受：樣本s1整體的測(cè)序深度可能比其他樣本高一個(gè)數(shù)量級(jí)；基因g1的表達(dá)水平在這三個(gè)樣本中相對(duì)較高,。如果拿著這個(gè)數(shù)據(jù)直接進(jìn)行統(tǒng)計(jì)分析的話,，或多或少會(huì)產(chǎn)生一些bias。

quantile normalization做了什么

• 首先對(duì)數(shù)據(jù)按列排序,，并記錄真實(shí)數(shù)值的排序索引

• 全部列按照從大到小順序排列好后以行為單位,，計(jì)算平均值

• 根據(jù)原始數(shù)值的索引位置，將行平均值在列內(nèi)重排

具體示例我就直接照搬維基百科了：

有沒(méi)有代碼實(shí)現(xiàn),？

這是大家最關(guān)心的問(wèn)題,，作為生物專業(yè)的人員，不能什么代碼都要自己去創(chuàng)造,，學(xué)會(huì)借用才是關(guān)鍵。簡(jiǎn)單搜了一下,，發(fā)現(xiàn)R里面有一個(gè)包可以用,，叫做preprocessCore，來(lái)自于強(qiáng)大的Bioconductor,。這個(gè)包的manu大家自行去網(wǎng)上學(xué)習(xí)吧,，這里直接給出實(shí)戰(zhàn)代碼，主要是矩陣格式的處理，當(dāng)然了,，這方面我也是小白,，現(xiàn)學(xué)現(xiàn)賣，大家湊合著看吧,。

什么時(shí)候用,？

最后就是要知道什么時(shí)候?qū)D(zhuǎn)錄組數(shù)據(jù)應(yīng)用quantile normalization。這是個(gè)比較大的命題,，估計(jì)能寫一篇review了,，但其實(shí)開(kāi)篇的時(shí)候就提到了差異分析的時(shí)候基本是不用的，因?yàn)橐呀?jīng)有了RPKM和TPM,。我此處用的目的是研究表達(dá)和GWAS關(guān)聯(lián)信號(hào)的相關(guān),，因此需要對(duì)表達(dá)數(shù)據(jù)均一化，其余方面的分析我還沒(méi)做過(guò),，不敢妄言,，好在前人有了很好的總結(jié)，貼出來(lái)以后再看吧,。https://www./content/biorxiv/early/2014/12/04/012203.full.pdf