GFOLD:广义倍数变化

image.png

有重复的转录组数据，用的比较多的是DEseq2(负二项分布)，edgeR(负二项分布)， edgeR（二项分布）。
没有重复转录组数据，普遍推荐使用统计大学的GFOLD。

mRNA-seq的一大应用就是基因表达定量和筛选差异表达基因，使用常用工具edgeR、DESeq、baySeq、Cufflinks分析，最好有生物学重复，而最新的hisat2 + stringtie + ballgown套装则要求必须有重复。这里给大家介绍一个对重复无要求、简单好用、效果也好的软件：GFOLD。

1. 差异表达基因数量：GFOLD与benchmark有更多的交集。

image

2. 敏感性：GFOLD略高一筹。

image

Acurve that is closer to the top left corner of the plot is considered toachieve better specificity。

3. 使用方法：

第一：用Bowtie将read map到基因组上，产生sam结果文件（如sample1.sam，sample2.sam），命令略；

第二：将sam文件转化为GFOLD输入文件，命令：gfold count -ann hg19_Ref.gtf -tag sample1.sam -o sample1.read_cnt；

第三：计算，命令：gfold diff -s1 sample_1 -s2 sample_2 -suf .read_cnt -sc 0.01 -o sample_1-VS-sample_2.diff；

第四：筛选，GFOLD values等于0，表示该基因不差异；大于0，表示该基因上调；小于0，表示该基因下调。

原文： Feng J, Meyer C A, Wang Q, et al. GFOLD: a generalized fold change for ranking differentially expressed genes from RNA-seq data[J]. Bioinformatics, 2012, 28(21):2782.