組學定量分析中的Normalization問題

--------插播一段-----------

Normalization一詞，很多人會翻譯成正態化，認為意思是把偏態數據轉化為正態數據。其實不然，個人感覺翻譯成標準化更準確些。先來個例子吧。

一個女生和男生身高都是170cm，從數值上看是一樣高的，但事實如此嗎？女生170cm，我們會覺得挺高的，而男生170cm，只能說湊合吧。為什麼會有這樣差別呢？查了一下中國成年男性和女性的平均身高，分別為167.1cm和155.8cm。女生170cm，比平均值高了14.2cm，而男生只高了2.9。潛意思中，我們是拿14.2和2.9做比較，而非絕對值170。其實，這就體現了Normalization思想，要剔除樣本所在群體的特異性，將數值拉回到同一水平來比較。

這種思想也體現在組學的定量分析中，以轉錄組為例。轉錄組是利用比對到基因外顯子的讀段數（reads）來定基因表達量的，假設樣本A的建庫大小為1000讀段，而樣本B的建庫大小為100讀段，在兩個樣本中，比對到同一基因的讀段數都是10，我們能說這個基因在兩個樣本中的表達量一樣嗎？顯然是不能的，這就需要做Normalization，轉錄組中常用的Normalization方法有CPM（除以建庫大小）、FPKM（除以建庫大小和基因長度）、中位數法（除以樣本所有基因表達的中位數），還有一些軟體，例如edgeR和DESeq2，是通過建模性的方式做Normalization。有篇文章，A comprehensive evaluation of normalization methods for Illuminahigh-throughput RNA sequencing data analysis，對轉錄組數據中不同的Normalization方法做了比較，感興趣的朋友可以看一下。其實不止轉錄組數據，涉及到相對定量的問題，例如以前的晶元表達譜、現在的蛋白組學等，都涉及到Normalization問題，由於沒深入探究過，就不展開了。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！