FPKM / RPKM与TPM哪个用来筛选差异表达基因更准确？
最近网络上充斥着关于FPKM / RPKM与TPM的帖子，显然TPM越来越流行了，但很多测序公司的分析团队还没反应过来，仍然在麻木地把FPKM提供给客户。所以弄得很多小伙伴内心十分纠结，它们差异有多大？公司给我的是FPKM，对差异基因筛选有没有影响？
呵呵，今天你来对了，本文专治各种纠结！
1. RPKM / FPKM与TPM的差异
前文已经说了，这个问题搜一把可以搜出一大把，我就不说了。
但，你可能比我还懒，我还是简单贴一下概念吧！
RPKM：Reads PerKilobase Per Million Reads
FPKM：Fragments Per Kilobase Per Million Reads
TPM：Transcripts Per Million Reads
可以看出，RPKM与FPKM根本就是一回事，只是前者用的是单端测序（所以称为Read），后者用的是双端测序（双端测的是同一Fragment）。但现在基本上全是双端测序了，所以RPKM早已辉煌不在了。
TPM并不是最近出来的，只不过流行的比较慢，但最近越来越多的分析人员开始接受它，许多分析软件里的新星也都选择了它。
为什么？这当然是有原因的！
因为，TPM更好！
有一个重要指标可以很好说明这个问题：FPKM的创造者Pachter已经更倾向于使用TPM了！
在同一个样本内，无论是用FPKM还是TPM都是一样的，它们的相关性是1，TPM对总的测序reads进一步做了均一化，所以它们的最直观的差别就是，不同样本间TPM的总和是相同的，而FPKM的总和不同！可以想象，TPM使得我们更容易去比较同一个基因在不同样本中所占的read数的比例。
哦！TPM更好？那我更纠结了！公司只给了我FPKM啊，这对差异基因筛选有没有影响？我筛选出的差异基因很少是不是和这个有关？
2. 主流差异表达分析软件从来不用TPM作为输入
鉴于TPM的流行势头，下文方中仅以TPM代表所有RPKM / FPKM或TPM等此类均一化表达数据。
大部分差异表达分析软件并不支持使用TPM进行差异表达基因筛选（当然也有极少数不推荐的软件例外，如Tuxedo），最主流的DE（differential expression）分析软件DESeq2 和 edgeR ，包括我强烈向大家推荐的sleuth包，都强调输入数据为：Raw read counts (not normalized) !
为什么说它们是最主流的？并且我也只推荐这几种工具（推荐顺序sleuth > DESeq2 > edgeR），是因为它们经受了更多的测试，并且也是引用人数最多的，空口无凭，当然有引文数据为证：
上一篇：专家呼吁：应有条件允许开展细胞治疗研究
下一篇：新标准、新奖章！今年全国五一劳动奖的奖励有