cuffdiff 产出文件说明（cuffdiff工具说明书）

这个文章详细说明了 cuffdiff 操作过程中各命令意义以及产出的文件代表什么意思，哪些是用于下一步做可视化分析和go富集分析,kegg富集分析等
(ps:markdown写表格真是灾难，直接用截图代替了）

1. Cuffdiff简介

用于寻找转录子表达的显著性差异。

2. Cuffdiff使用方法

cuffdiff主要是发现转录本表达，剪接，启动子使用的明显变化。

cuffdiff [options]* … [sampleN.sam_replicate1.sam[,…,sample2_replicateM.sam]]

cuffdiff [options]* ...[sampleN_1.sam[,...,sampleN_M.sam]]
其中transcripts.gtf是由cufflinks，cuffcompare，cuffmerge所生成的文件，或是由其它程序生成的。一个样本有多个replicate，用逗号隔开。sample多于一个时，cuffdiff将比较samples间的基因表达的差异性。 一个常用例子： $ cuffdiff --lables lable1,lable2 -p 8 --time-series --multi-read-correct --library-type fr-unstranded --poisson-dispersion transcripts.gtf sample1.sam sample2.sam cuffdiff接受bam/sam或cuffquant的CXB文件，同时也可以接受bam与sam的混合文件，不能接受bam/sam和CXB的混合文件。

3. 使用参数

• -h | --help -o | --output-dir default: ./ 输出的文件夹目录。
• -L | --lables default: q1,q2,...qN 给每个sample一个样品名或者一个环境条件一个lable
• -p | --num-threads default: 1 使用的CPU线程数
• -T | --time-series 让Cuffdiff来按样品顺序来比对样品，而不是对所有的samples都进行两两比对。即第二个 SAM和第一个SAM比；第三个SAM和第二个SAM比；第四个SAM和第三个SAM比...
• -N | --upper-quartile-form 使用75%分为数的值来代替总的值(比对到单一位点的fragments的数值)，作normalize。 这样有利于在低丰度基因和转录子中寻找差异基因。
• --total-hits-norm Cufflinks在计算FPKM时,算入所有的fragments和比对上的reads。和下一个参数对立。 默认不激活该参数。
• --compatible-hits-norm Cufflinks在计算FPKM时，只针对和reference transcripts兼容的fragments以及 比对上的reads。该参数默认激活，使用该参数可以降低核糖体rna的reads对基因表达的干扰。
• -b | --frag-bias-correct（一般是genome.fa） 提供一个fasta文件来指导Cufflinks运行新的bias detection and correction algorithm。这样能明显提高转录子丰度计算的精确性。
• -u | --multi-read-correct 让Cufflinks来做initial estimation步骤，从而更精确衡量比对到genome多个位点 的reads。
• -c | --min-alignment-count default: 10 如果比对到某一个位点的fragments数目少于该值，则不做该位点的显著性分析。认为该位点的表达量没有显著性差异。
• -M | --mask-file 提供GFF文件。Cufflinks将忽略比对到该GTF文件的transcripts中的reads。该文件中常常是rRNA的注释，也可以包含线立体和其它希望忽略的transcripts的注释。将这些不需要的RNA去除后，对计算mRNA的表达量是有利的。
• -FDR default: 0.05 允许的false discovery rate.
• --library-type default:fr-unstranded 处理的reads具有链特异性。比对结果中将会有个XS标签。一般Illumina数据的library- type为 fr-unstranded。
• --dispersion-method

其他高级参数：

• -m | --frag-len-mean default: 200 插入片段的平均长度。不过现在Cufflinks能learns插入片段的平均长度，因此不推荐自主 设置此值。
• -s | --frag-len-std-dev default: 80 插入片段长度的标准差。不过现在Cufflinks能learns插入片段的平均长度，因此不推荐自 主设置此值。
• -v/--verbose 显示版本信息等等
• -q/--quiet 除了警告和错误外，其他信息将不会print
• --no-update-check 关系cufflinks自动更新的能力
• -F/--min-isoform-fraction <0.0-1.0> 建议不要更改，主要的isorform丰度若低于这个分数，可变的isoform将四舍五入为0.默认为1e-5 -
• -max-bundle-frags 一个skipped locus/loci在skipped前可以拥有的最大的fragment片段。默认为1000000
• --max-frag-count-draws （默认为100）和--max-frag-assign-draws （默认为50）--min-reps-for-js-test 一个针对不同调控的基因做test的最小的复制次数。Cuffdiff won't test genes for differential regulation unless the conditions in question have at least this many replicates. Default: 3.
• --no-effective-length-correction Cuffdiff will not employ its "effective" length normalization to transcript FPKM. Cufflinks将不会使用它的“effective” 长度标准化去计算转录的FPKM
• --no-length-correction cufflinks将根本不会使用转录本的长度去标准化fragment的数目。当fragment的数目和the features being quantified的size是独立的，可以使用（例如for small RNA libraries, where no fragmentation takes place, or 3 prime end sequencing, where sampled RNA fragments are all essentially the same length).小心使用
• --max-mle-iterations 极大似然法的迭代次数，默认5000--poisson-dispersion Use the Poisson fragment dispersion model instead of learning one in each condition.

Cuffdiff输出

1. FPKM tracking files

cuffdiff计算每个样本中的转录本，初始转录本和基因的FPKM。其中，基因和初始转录本的FPKM的计算是在每个转录本group和基因group中的转录本的FPKM的求和。

FPKM tracking files

2. Count tracking files

评估每个样本中来自每个 transcript, primary transcript, and gene的fragment数目。其中primary transcript 和 gene的fragment数目是每个primary transcript group或gene group中trancript的数目之和。

Count tracking files

3. Read group tracking files

计算在每个repulate中每个transcript，primary transcript和gene的表达量和frage数目

Read group tracking files

4. Differential expression test

对于splicing transcript， primary transcripts, genes, and coding sequences.样本之间的表达差异检验。对于每一对样本x和y，都会有以下四个文件：

Differential expression test
每个文件样式如下

5. Differential splicing tests – splicing.diff

对于每个primary transcript，鉴定的不同的isoform的差异性。只有2个或2个以上的isoforms的primary transcript存在

6. Differential coding output – cds.diff

对于每个基因，它的cds的鉴定。样本间的输出cds的差异性。只有2个或2个以上的cds（multi-protein genes）列举在文件中。

7. Differential promoter use – promoters.diff

样本间启动子使用的差异性。只有表达2个或2个以上isoform的基因列举在这里。

8. Read group info – read_groups.info

每个replicat(复制品)，在进行定量分析时，cuffdiff的关键属性会列出。

Read group info – read_groups.info

9. Run info – run.info

运行的信息。
其中：输出文件FPKM Tracking file的格式如下：

• tracking_id TCONS_00000001 内部唯一object的id（识别基因，转录本，CDS，初始转录本）A unique identifier describing the object (gene, transcript, CDS, primary transcript)
• class_code = 内部定义的类别的id，“-”表明不是转录本。The class_code attribute for the object, or “-” if not a transcript, or if class_code isn’t present
• nearest_ref_id NM_008866.1 最接近的参考转录本The reference transcript to which the class code refers, if any
• gene_id NM_008866 基因id The gene_id(s) associated with the object
• gene_short_name Lypla1 基因名字 The gene_short_name(s) associated with the object
• tss_id TSS1 初始转录本id，或者“-”表示没有初始转录本。The tss_id associated with the object, or “-” if not a transcript/primary transcript, or if tss_idisn’t present
• locus chr1:4797771-4835363 基因组上的位置Genomic coordinates for easy browsing to the object
• length 2447 转录本的长度The number of base pairs in the transcript, or ‘-‘ if not a transcript/primary transcript
• coverage 43.4279 read覆盖深度的估测值 Estimate for the absolute depth of read coverage across the object
• q0_FPKM 8.01089 样本0中object的FPKM FPKMof the object in sample 0
• q0_FPKM_lo 7.03583 object在样本0中FPKM的95%置信区间的下界the lower bound of the 95% confidence interval on the FPKM of the object in sample 0
• q0_FPKM_hi 8.98595 object在样本0中FPKM的95%置信区间的上界the upper bound of the 95% confidence interval on the FPKM of the object in sample 0
• q0_status OK object在样本0中的量化状态，0K表示成功，LOWDATA:太复杂或测序深度不够；HIDATA：在一个基因座上太多fragments，FAIL：失败的协方差矩阵或其他数值阻止了去卷积Quantification status for the object in sample 0. Can be one of OK (deconvolution successful), LOWDATA (too complex or shallowly sequenced), HIDATA (too many fragments in locus), or FAIL, when an ill-conditioned covariance matrix or other numerical exception prevents deconvolution.

Count tracking files 格式如下:

• tracking_id TCONS_00000001 A unique identifier describing the object (gene, transcript, CDS, primary transcript)

• q0_count 201.334 Estimated (externally scaled) number of fragments generated by the object in sample 0

• q0_count_variance 5988.24 Estimated variance in the number of fragments generated by the object in sample 0

• q0_count_uncertainty_var 170.21 Estimated variance in the number of fragments generated by the object in sample 0 due to fragment assignment uncertainty.

• q0_count_dispersion_var 4905.63 Estimated variance in the number of fragments generated by the object in sample 0 due to cross-replicate variability.

• q0_status OK Quantification status for the object in sample 0. Can be one of OK (deconvolutionsuccessful), LOWDATA (too complex or shallowly sequenced), HIDATA (too many fragments in locus), or FAIL, when an ill-conditioned covariance matrix or other numerical exception preventsdeconvolution.