基于 featureCounts 原理提取基因非冗余外显子长度

测试开头

灵魂归处便是家

1引言

前面我们探索了 featureCounts 软件是如果整合计算一个基因的不同转录本外显子长度的原理。就是非冗余外显子长度的总和长度 。

我们经常会遇到手里 只有 counts 表达矩阵, 却没有基因长度信息, 如果想要计算 FPKM/RPKM/TPM 的话都需要 基因长度信息。

基于此,我可以利用 featureCounts 软件的原理计算 GTF 文件的基因非冗余外显子的长度信息 导出保存。

我研究了一天,分别写了 R 脚本 和 python 脚本 都可以提取。

R 代码提取原理是基于 gtf 数据框格式,对外显子取并集。而 python 代码则是对元素进行去重达到取并集的效果。此外, python 提取速度会比 R 里面快很多,毕竟有 60000 + 个基因!

我们拿 200 个基因进行测试:

测试结尾

请关注“恒诺新知”微信公众号，感谢“R语言“，”数据那些事儿“，”老俊俊的生信笔记“，”冷🈚️思“，“珞珈R”，“生信星球”的支持！