salmon分析RNA-seq实战

Posted 2023-02-14

参考技术A

查看帮助文档

目前，Salmon有两种不同的方法---支持将reads比对到transcriptomes，分别是(SMEM-based) lightweight-alignment 和 quasi-mapping。SMEM-based mapping是Salmon自带的轻量级的比对方法；而 quasi-mapping这种比对方法相对较新较快。这两种方法的使用均是通过 quant 命令来应用的，但是两者比对方法所应用到的索引不同。

quasi-mapping 应用到的数据结构是：a combination of data structures—a hash table, suffix array (SA) and efficient rank data structure

quasi-mappings的详情见： RapMap: a rapid, sensitive and accurate tool for mapping RNA-seq reads to transcriptomes

Quantification File： quant.sf
quant.sf 文件有5列，分别是Name，Length ，EffectiveLength，TPM和NumReads。分别表示的含义如下所述：

补充： FPKM，RPKM，RPM以及TPM的关系之见解
RPKM (Reads Per Kilobase Million)
FPKM (Fragments Per Kilobase Million)
TPM(Transcripts Per Kilobase Million)
RPM (Reads per million)
CPM (Counts per million)

TPM ：
Transcripts Per Kilobase of exonmodel per Million mapped reads (每千个碱基的转录每百万映射读取的Transcripts)，优化的RPKM计算方法，可以用于同一物种不同组织的比较。
TPM概括了基因的长度、表达量和基因数目。TPM可以用于同一物种不同组织间的比较，因为sum值总是唯一的。

cmd_info.json ： JSON格式文件，记录salmon程序运行的命令和参数
lib_format_counts.json ： Observed library format counts。当运行salmon是 mapping-based mode 时，则会生成改文件。 JSON格式文件，记录有关文库格式和reads比对的情况。
eq_classes.txt ： Equivalence class file。当Salmon运行时，应用参数 --dumpEq ，则会生成此文件。
aux_info ： 辅助文件夹，内含多个文件
fld.gz ：在辅助文件夹中，该文件记录的是观察到的片段长度分布的近似值
obs5_seq.gz, obs3_seq.gz, exp5_seq.gz, exp5_seq.gz ： Sequence-specific bias files
expected_gc.gz, observed_gc.gz ： 当Salmon运行时，应用fragment-GC bias correction，在辅助文件夹中则会生成这两个文件。记录Fragment-GC bias。
meta_info.json ： JSON格式文件，记录salmon程序运行的统计信息
ambig_info.tsv ： tab分隔符的文本文件，含有两列。记录的是每个转录本对应的 the number of uniquely-mapping reads 和 the total number of ambiguously-mapping reads

参考： Salmon---a tool for wicked-fast transcript quantification from RNA-seq data