不错！STAR直接生成RNA-seq的基因定量结果

  RNA-seq定量为人熟知的流程是先用STAR软件做比对生成bam，然后使用featureCounts等软件定量。不过，一直有一个疑问，为什么不直接使用STAR软件做基因表达定量呢？为此，首先问了一下ChatGPT：

  可以看出ChatGPT也算是给出了比较用心的答案，虽然大部分信息说得没错，但还是有不尽人意的地方，说STAR不直接提供基因表达定量的信息就有点容易忽悠人了。

  既然，ChatGPT没有给出满意的答案，那咱就来实际验证一下STAR直接定量的效果。如果要直接生成基因表达量文件只需在比对命令的基础上添加参数--quantMode即可，代码示例如下：

STAR --runThreadN 10 \
     --genomeDir star_index \
     --outSAMtype BAM SortedByCoordinate \
     --twopassMode Basic \
     --readFilesCommand zcat \
     --outFileNamePrefix sample \
     --quantMode GeneCounts \
     --readFilesIn sample_R1.fastq.gz sample_R2.fastq.gz

  程序运行结束后，除了比对模式应该生成的文件外会多一个文件ReadsPerGene.out.tab，内容如下：

N_unmapped      1815241 1815241 1815241
N_multimapping  1869591 1869591 1869591
N_noFeature     4150865 18705142        18716656
N_ambiguous     3358130 810685  810253
ENSG00000223972.5       1       1       1
ENSG00000227232.5       103     43      61
ENSG00000278267.1       5       1       4
ENSG00000243485.5       0       0       0
ENSG00000284332.1       0       0       0
ENSG00000237613.2       0       0       0

  前四行是一些统计信息，从第五行开始一行记录一个基因的表达值：

column 1: gene ID
column 2: counts for unstranded RNA-seq
column 3: counts for the 1st read strand aligned with RNA (htseq-count option -s yes)
column 4: counts for the 2nd read strand aligned with RNA (htseq-count option -s reverse)

  下面将STAR直接定量的结果与featureCounts做个对比：

   ensembl_geneid featurecount star
1 ENSG00000000003            3    3
2 ENSG00000000005            0    0
3 ENSG00000000419          547  546
4 ENSG00000000457          545  495
5 ENSG00000000460          342  314
6 ENSG00000000938         2476 2476

  从上面展示的基因表达值，可以看出两者的结果很一致。当然，这几个基因并不能代表整体结果，为了全面比较，用两者全部基因的表达值做如下的散点图：

  果然，意料之中的结果，相关性0.99，两者的整体一致性非常好。RNA-seq定量直接使用STAR不失为一条快捷方便的途径。