计数丰度与标准化

更新：2026-10-15；状态：可用；验证范围：文档核对；操作需按所用环境验证。

原始计数、相对丰度和变换后的数值对应不同问题，模型输入必须与其假设一致。

先问数值测量了什么

RNA-seq 中基因计数对应分配给基因的读段或片段数；TPM 表达长度与文库组成调整后的相对量。单细胞 UMI 计数、蛋白强度和代谢峰面积又有不同生成过程。

标准化不是统一的“洗干净数据”：文库大小调整、长度校正、对数变换、中心化和标准差缩放各自处理不同尺度。记录每一步，避免在不知道前序处理的矩阵上重复变换。

操作边界

DESeq2 的常规矩阵接口使用未标准化的整数计数，不应直接把 TPM、log 值或已经标准化的矩阵送入。转录本估计计数的导入另有 tximport 等接口。

蛋白与代谢数据先检查缺失值与零值和质控，再按测量方式选择变换。与检验输入不同的展示矩阵应单独保存。

具体案例见RNA-seq从计数矩阵到差异表达；方法依据见 DESeq2 输入说明。

用途对照

处理	解决的尺度问题	不能自动解决什么
CPM	按文库总计数换为每百万	基因长度、组成偏差、批次
TPM	先按长度再重标相对总量	绝对分子量、所有跨样本组成差异
TMM/median-ratio因子	在各自假设下估计样本相对尺度	完全混杂、任意全局生物学变化
log/方差稳定变换	展示或探索中的尺度与方差	自动成为计数模型的原始输入
z-score	按指定轴中心化和缩放	恢复原单位、绝对丰度

例如某类RNA大幅增加可改变其余基因的相对比例，固定总量的矩阵不能单独证明其余基因绝对下降。TMM与median-ratio有不同参考/稳定性假设，按方法检查，不把它们当同名公式。原始测量、模型归一化因子与展示矩阵分别保存，见RNA计数模型差异表达与效应收缩、微生物组组成差异与多样性方法。

RNA计数模型的实际入口

RNA文库大小因子与组成偏差区分尺度和组成，Salmon定量与tximport基因汇总说明估计计数的专用接口。已有整数基因计数先做RNA计数矩阵与样本表核对；公开airway数据贯通DESeq2已实际运行，未用TPM冒充计数。