局外狗RNA-seq标准化方法全解析：如何为你的数据选择RPKM、FPKM还是TPM？
第一次处理RNA-seq数据时，看到RPKM、FPKM和TPM这三个缩写词，我的反应和大多数新手一样——瞬间头大。实验室前辈随手扔来一句"用TPM准没错"，但没人告诉我为什么。直到自己分析数据时发现，同样的样本用不同方法标准化后，差异基因列表竟有30%的不一致，这才意识到问题的严重性。本文将带你彻底理清这三种方法的本质区别，以及在不同研究场景下的最佳选择策略。
1. 标准化方法的核心逻辑与数学本质
所有RNA-seq标准化方法都在解决两个关键问题：基因长度偏差和测序深度差异。想象一下，一个5kb的长基因和一个1kb的短基因，在相同表达水平下，长基因会捕获更多reads——这就像用不同大小的渔网捕鱼，直接比较捕获量显然不公平。
1.1 RPKM/FPKM的计算逻辑
RPKM（Reads Per Kilobase per Million）的计算分为两个步骤：
- 测序深度标准化：
r复制RPM = (基因reads数 × 10^6) / 样本总reads数 - 基因长度标准化：
r复制RPKM = RPM / (基因长度/1000)
FPKM（Fragments Per Kilobase per Million）在双端测序中的计算稍有不同：
| 测序类型 | 计数单位 | 公式特点 |
|---|---|---|
| 单端测序 | reads | FPKM=RPKM |
| 双端测序 | fragments | 配对的reads计为1个fragment |
关键区别：RPKM适用于单端数据，FPKM适用于双端数据，但两者标准化逻辑完全相同。
1.2 TPM的革命性改进
TPM（Transcripts Per Million）看似只是字母顺序调整，实则改变了标准化流程：
- 先进行长度标准化：
r复制length_normalized = (基因reads数) / (基因长度/1000) - 再进行深度标准化：
r复制TPM = (length_normali