Normalization of RNA-sequencing data from samples with varying mRNA levels.
Normalization of RNA-sequencing data from samples with varying mRNA levels.
复制标题
DOI：
10.1371/journal.pone.0089158
复制
发表时间：
2014
期刊：
影响因子：
3.7
通讯作者：
Aleström P
中科院分区：
文献类型：
--
作者：
Aanes H;Winata C;Moen LF;Østrup O;Mathavan S;Collas P;Rognes T;Aleström P
用于RNA测序基因表达数据的标准化的方法通常假设比较样品之间的总表达相等。相比之下，全球基因表达变化的情况很多，而且越来越多。在这里，我们比较了三种归一化方法的性能时，polyA+ RNA含量波动显着在斑马鱼早期发育阶段。作为基准，我们使用了逆转录-定量PCR。结果显示，每百万个酶的读数（RPKM）和M值的修剪平均值（TMM）归一化系统地导致有偏差的基因表达估计。生物标度归一化（BSN），旨在处理总表达的差异，显示出更高的准确性相比，其他两种方法在估计转录水平的动态。这些结果对过去和未来使用RNA测序对具有不同水平的总RNA或polyA+ RNA的样品进行的研究具有影响。
Methods for normalization of RNA-sequencing gene expression data commonly assume equal total expression between compared samples. In contrast, scenarios of global gene expression shifts are many and increasing. Here we compare the performance of three normalization methods when polyA+ RNA content fluctuates significantly during zebrafish early developmental stages. As a benchmark we have used reverse transcription-quantitative PCR. The results show that reads per kilobase per million (RPKM) and trimmed mean of M-values (TMM) normalization systematically leads to biased gene expression estimates. Biological scaling normalization (BSN), designed to handle differences in total expression, showed improved accuracy compared to the two other methods in estimating transcript level dynamics. The results have implications for past and future studies using RNA-sequencing on samples with different levels of total or polyA+ RNA.
登录
查看更多内容
影响因子：
12.3
作者：
Robinson MD;Oshlack A
通讯作者：
Oshlack A
影响因子：
7.7
作者：
van de Peppel, J;Kemmeren, P;Holstege, FCP
通讯作者：
Holstege, FCP
影响因子：
2.5
作者：
Gilbert, Isabelle;Scantland, Sara;Robert, Claude
通讯作者：
Robert, Claude
影响因子：
56.9
作者：
Giraldez, AJ;Mishima, Y;Schier, AF
通讯作者：
Schier, AF
影响因子：
--
作者：
Vesterlund L;Jiao H;Unneberg P;Hovatta O;Kere J
通讯作者：
Kere J