汇总 | 转录本表达矩阵 到 基因表达矩阵

写在前面

前天，我写了一个 TBtools 插件，意在让所有人都能自主分析转录组测序数据，进而获得 基因表达量矩阵（TPM） 和 基因读段计数矩阵（Count）。已经提过了，TPM 就直接可用，而 Count 矩阵本身可以在网络上找到各类差异表达基因分析平台，上传矩阵就可以做各种差异表达分析。
不过很多人可能还是没意识到，前述的 Kallisto 插件或者流程出来的结果，其实是 转录本水平的表达矩阵 而不是 基因表达矩阵。基于 Kallisto 的算法实现，我们不应该只分析基因的某个或者某几个代表转录本，因为这样可能会影响 Kmer Counts 的正确计算。
而事实上，不少人关注的还是基因水平，而不是转录本水平（取决于实验设计，精度，深度云云）。于是 ，我有写了一个小功能，可以用于汇总 转录本表达矩阵 为 基因表达矩阵 。

Trans Value Sum

想不到一个合适的名字，按照我的习惯，那么所以写一个。

从界面来看，输入文件有二：

1. 转录本表达矩阵
2. 转录本归属基因的信息表，格式为“转录本ID 基因ID”，注意，以制表符分隔。

输入输出均支持 文件 或 文本直接输入。为方便演示，下述直接使用文本输入输出模式。示例如下

可以看到，Tran1 和 Tran2 归属于 Gene1 ，于是值被加和，作为Gene1 的表达量。

一切看起来如此顺畅。那么问题可能就出现了。
转录本表达矩阵，我们当然可以轻松获得，但是转录本ID 和 基因ID 的对应关系，怎么搞？

GXF Position Extract

很久很久以前，我已经写过这个功能了。这里使用拟南芥的 GFF3 文件为示例。

只需要输入一个GFF3或者GTF文件，设置两个输出文件路径

点击 Start 可得

于是，在Excel里面或者使用 TBtools 表格工具就可以快速获得对应表格。

写在最后

轻轻松松，半小时写工具，半小时写推文...
今天也算周末，祝大伙科研顺利。
另，最近的推文阅读量似乎明显下载，一直保持在1000+。。。
我还是直白一点吧，该在看的就点再看，该转发的就转发。写着写着没多少人看了，我就不写了。