这篇文章主要讲解了“CPM定量方式是怎样的”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“CPM定量方式是怎样的”吧！
在edgeR中，提供了一种名为CPM的定量方式，全称为count-per-millon。
假定原始的表达量矩阵为count, 计算CPM的代码如下
cpm <- apply(count ,2, function(x) { x/sum(x)*1000000 })原始的表达量除以该样本表达量的总和，在乘以一百万就得到了CPM值 。从公式可以看出， CPM其实就是相对丰度，只不过考虑到测序的reads总量很多，所以总的reads数目以百万为单位。
在前面的文章中我们介绍了edgeR提供的TMM归一化算法，CPM这种求相对丰度的思想，虽然也是一种比较简单的归一化方式，但它并不用于差异分析之前的归一化。
在edgeR中，CPM主要有以下两种用途
DESeq2和edgeR都是针对raw count表达量进行分析，在DESeq2中，在过滤低表达量的基因时，直接是根据reads数的总和进行判断，代码如下
countData <- count[apply(count, 1, sum) > 10 , ]
由于不同样本测序的reads总数不同，所以直接将所有样本的reads相加，然后进行过滤，这种方式略显粗糙。edgeR中，利用CPM的定量结果，对低表达量的基因进行过滤，代码如下
countData <- count[apply(cpm(count), 1, sum) > 2 , ]
利用相对丰度的加和进行过滤，消除了样本间reads总数不同的影响。需要注意的是，我们只是用CPM来过滤基因，而后续分析还是基于raw count的结果，因为只有raw count是基于负二项分布的。
MA图是差异分析常用的可视化手段之一，横坐标为基因在两组样本中的均值 ， 纵坐标为Fold change, 就是两组表达量的倍数。edgeR中的plotMD函数可以绘制如下所示的MA图
从x轴的标签可以看出来，采用的是CPM值。由于不同基因CPM值差异很大，所以采用log转换，缩小了不同基因之间的差异。
感谢各位的阅读，以上就是“CPM定量方式是怎样的”的内容了，经过本文的学习后，相信大家对CPM定量方式是怎样的这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是亿速云，小编将为大家推送更多相关知识点的文章，欢迎关注！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
