6.Normalisierungen - Revision history

Julbeier: Math Fix

2024-06-11T14:02:25Z

Math Fix

← Older revision		Revision as of 16:02, 11 June 2024
Line 24:		Line 24:
	* RPKM steht für 'Reads per kilobase of transcript per Million mapped reads'		* RPKM steht für 'Reads per kilobase of transcript per Million mapped reads'
	* Für die Normalisierung wird die Formel <math> RPKM = \frac{ c_\text{i}}{L_\text{i} \cdot N} * 10^6 </math> verwendet.		* Für die Normalisierung wird die Formel <math> RPKM = \frac{ c_\text{i}}{L_\text{i} \cdot N} * 10^6 </math> verwendet.
	<math> \frac{ c_\text{i}}{L_\text{i}} </math> → Normalisierung der Genlänge <br>		<math> \frac{ c_\text{i}}{L_\text{i}} </math> → Normalisierung der Genlänge <br>
	<math> L_\text{i} \cdot N </math> → Normalisierung der Sequenziertiefe		<math> L_\text{i} \cdot N </math> → Normalisierung der Sequenziertiefe
	'''Beispiel Gen A, Replikat 1:''' <br>		'''Beispiel Gen A, Replikat 1:''' <br>
	<math> RPKM (A1) = \frac{ 5}{7 kb \cdot 18} * 10^6 = 3,97 * 10^4</math>		<math> RPKM (A1) = \frac{ 5}{7 kb \cdot 18} * 10^6 = 3,97 * 10^4</math>

Ani: /* c. Normalisierung mit TMM */

2023-06-14T14:18:37Z

c. Normalisierung mit TMM

← Older revision		Revision as of 16:18, 14 June 2023
Line 108:		Line 108:
	\| <math> log_2 (TMM_\text{k}^\text{k`}) = \frac{ \underset {g \in G}{\sum} W_\text{gk}^\text{k´} \cdot M_\text{gk}^\text{k´}} { \sum_{g \in G} W_\text{gk}^\text{k´}} </math> \|\| <math> M_\text{gk}^\text{k`} = </math> Mittelwerte aller Expressionsverhältnisse <br>		\| <math> log_2 (TMM_\text{k}^\text{k`}) = \frac{ \underset {g \in G}{\sum} W_\text{gk}^\text{k´} \cdot M_\text{gk}^\text{k´}} { \sum_{g \in G} W_\text{gk}^\text{k´}} </math> \|\| <math> M_\text{gk}^\text{k`} = </math> Mittelwerte aller Expressionsverhältnisse <br>
	<math> W_\text{gk}^\text{k`} = </math> Gewichtungsfaktor der Expressionsverhältnisse <br>		<math> W_\text{gk}^\text{k`} = </math> Gewichtungsfaktor der Expressionsverhältnisse <br>
	G = ~~Set~~ aller Gene		G = Menge aller Gene
	\|}		\|}

Mka: /* a: Normalisierung mit RPKM */

2022-06-01T11:53:02Z

a: Normalisierung mit RPKM

← Older revision		Revision as of 13:53, 1 June 2022
Line 23:		Line 23:
	===a: Normalisierung mit RPKM===		===a: Normalisierung mit RPKM===
	* RPKM steht für 'Reads per kilobase of transcript per Million mapped reads'		* RPKM steht für 'Reads per kilobase of transcript per Million mapped reads'
	* Für die Normalisierung wird die Formel <math> RPKM = \frac{ c_\text{i}}{L_\text{i} \cdot N} </math> verwendet.		* Für die Normalisierung wird die Formel <math> RPKM = \frac{ c_\text{i}}{L_\text{i} \cdot N} * 10^6 </math> verwendet.
	<math> \frac{ c_\text{i}}{L_\text{i}} </math> → Normalisierung der Genlänge <br>		<math> \frac{ c_\text{i}}{L_\text{i}} </math> → Normalisierung der Genlänge <br>
	<math> L_\text{i} \cdot N </math> → Normalisierung der Sequenziertiefe		<math> L_\text{i} \cdot N </math> → Normalisierung der Sequenziertiefe
	'''Beispiel Gen A, Replikat 1:''' <br>		'''Beispiel Gen A, Replikat 1:''' <br>
	<math> RPKM (A1) = \frac{ 5}{7 kb \cdot 18} = 0,~~0397~~ </math>		<math> RPKM (A1) = \frac{ 5}{7 kb \cdot 18} * 10^6 = 3,97 * 10^4</math>
	{\| class="wikitable center"		{\| class="wikitable center"
	\|-		\|-
	! Gen !! RPKM Replikat 1 !! RPKM Replikat 2		! Gen !! RPKM Replikat 1 !! RPKM Replikat 2
	\|-		\|-
	\| A \|\| 0,~~0397~~ \|\| 0,~~0381~~		\| A \|\| 3,97 * 10^4 \|\| 3,81 * 10^4
	\|-		\|-
	\| B \|\| 0,~~0463~~ \|\| ~~0,05~~		\| B \|\| 4,63 * 10^4 \|\| 5 * 10^4
	\|-		\|-
	\| C \|\| 0,~~2222~~ \|\| 0,~~2667~~		\| C \|\| 2,222 * 10^5 \|\| 2,667 * 10^5
	\|-		\|-
	\| D \|\| 0,~~0022~~ \|\| 0		\| D \|\| 2,2 * 10^3 \|\| 0
	\|}		\|}
	* Ein hoher RPKM Wert, sagt aus, dass die Genexpression stärker ist, als bei einem niedrigeren RPKM Wert, indem die Größe des Gens berücksichtigt wird.		* Ein hoher RPKM Wert, sagt aus, dass die Genexpression stärker ist, als bei einem niedrigeren RPKM Wert, indem die Größe des Gens berücksichtigt wird.

Skl: /* b: Normalisierung mit TPM */

2021-09-30T15:36:01Z

b: Normalisierung mit TPM

← Older revision		Revision as of 17:36, 30 September 2021
Line 52:		Line 52:
	'''Parameter:''' <br>		'''Parameter:''' <br>
	c<sub>i</sub> = Anzahl an ausrichtbaren reads für ein Transkript 'i'<br>		c<sub>i</sub> = Anzahl an ausrichtbaren reads für ein Transkript 'i'<br>
	L<sub>i</sub> = Länge des Transkripts/Gens 'i' in ~~kbp~~ <br>		L<sub>i</sub> = Länge des Transkripts/Gens 'i' in bp <br>
	N = Gesamtanzahl an ausrichtbaren reads in Millionen <br><br>		N = Gesamtanzahl an ausrichtbaren reads in Millionen <br><br>
	'''Beispiel Gen A, Replikat 1:''' <br>		'''Beispiel Gen A, Replikat 1:''' <br>

Mka: /* b: Wieso wird die Normalisierung bei RNASeq-Proben angewendet? */

2021-01-31T18:36:25Z

b: Wieso wird die Normalisierung bei RNASeq-Proben angewendet?

← Older revision		Revision as of 20:36, 31 January 2021
Line 76:		Line 76:
	Für die Normalisierung zwischen Proben wird TMM eingesetzt. TMM steht für 'Trimmed mean of M – Values normalization method'.		Für die Normalisierung zwischen Proben wird TMM eingesetzt. TMM steht für 'Trimmed mean of M – Values normalization method'.
	==b: Wieso wird die Normalisierung bei RNASeq-Proben angewendet?==		==b: Wieso wird die Normalisierung bei RNASeq-Proben angewendet?==
	~~TMM wird für die Normalisierung von~~ RNASeq-Daten ~~angewendet~~, ~~um die Expression eines Gens unter verschiedenen Bedingungen zu vergleichen (Bspw~~, ~~ob es in Krebszellen stärker oder schwächer exprimiert wird~~ als in gesunden ~~Zellen)~~		* Um das relative RNA-Produktionsniveau aus RNASeq-Daten abzuschätzen
			* Es können heterologe Geneigenschaften zwischen 2 Proben auftauchen und eine identische Genexpression, fälschlicherweise, als unterschiedlich erkannt werden
			* Beispiel: Expression zwischen gesunden und kranken Patienten soll auf bestimmte Marker untersucht werden

	==c. Normalisierung mit TMM==		==c. Normalisierung mit TMM==

Mka: /* c: Anwendungsbereich */

2021-01-31T18:34:35Z

c: Anwendungsbereich

← Older revision		Revision as of 20:34, 31 January 2021
Line 70:		Line 70:

	===c: Anwendungsbereich===		===c: Anwendungsbereich===
	RPKM und TPM werden genutzt um die Expression verschiedener Gene, aus der gleichen Probe, einer RNA Sequenzierung miteinander zu vergleichen. Sie sind also Normalisierungsverfahren innerhalb ~~eines Experiments~~.		RPKM und TPM werden genutzt um die Expression verschiedener Gene, aus der gleichen Probe, einer RNA Sequenzierung miteinander zu vergleichen. Sie sind also Normalisierungsverfahren innerhalb einer Probe.

	==Aufgabe 3: Normalisierung zwischen Proben==		==Aufgabe 3: Normalisierung zwischen Proben==

Mka: /* b: Normalisierung mit TPM */

2021-01-31T18:33:58Z

b: Normalisierung mit TPM

← Older revision		Revision as of 20:33, 31 January 2021
Line 53:		Line 53:
	c<sub>i</sub> = Anzahl an ausrichtbaren reads für ein Transkript 'i'<br>		c<sub>i</sub> = Anzahl an ausrichtbaren reads für ein Transkript 'i'<br>
	L<sub>i</sub> = Länge des Transkripts/Gens 'i' in kbp <br>		L<sub>i</sub> = Länge des Transkripts/Gens 'i' in kbp <br>
	N = Gesamtanzahl an ausrichtbaren reads in Millionen <br>		N = Gesamtanzahl an ausrichtbaren reads in Millionen <br><br>
	'''Beispiel Gen A, Replikat 1:''' <br>		'''Beispiel Gen A, Replikat 1:''' <br>
	<math> TPM (A1) = \frac{ 5}{7000} \cdot \dfrac {1}{ \dfrac {5}{7000} + \dfrac {10}{12000} + \dfrac {2}{500} + \dfrac {1}{25000}} \cdot 10^6 = 127834 </math> <br>		<math> TPM (A1) = \frac{ 5}{7000} \cdot \dfrac {1}{ \dfrac {5}{7000} + \dfrac {10}{12000} + \dfrac {2}{500} + \dfrac {1}{25000}} \cdot 10^6 = 127834 </math> <br>

Mka: /* b: Normalisierung mit TPM */

2021-01-31T18:33:33Z

b: Normalisierung mit TPM

← Older revision		Revision as of 20:33, 31 January 2021
Line 48:		Line 48:
	* Bei TPM wird außerdem die totale Anzahl an reads nicht berücksichtigt.<br>		* Bei TPM wird außerdem die totale Anzahl an reads nicht berücksichtigt.<br>
	* Anders, als bei der Normalisierung mit RPKM wird erst die Genlänge und dann die Sequenziertiefe normalisiert.		* Anders, als bei der Normalisierung mit RPKM wird erst die Genlänge und dann die Sequenziertiefe normalisiert.
	* TPM berechnet das Verhältnis zwischen den Ergebnissen und die Werte in jeder Spalte ergeben ~~die gleichen Summe. Dies ist bei RPKM nicht immer der Fall, weswegen die Verwendung von TPM bei entsprechender Fragestellung von Vorteil sein kann~~.		* TPM berechnet das Verhältnis zwischen den Ergebnissen und die Werte in jeder Spalte ergeben 1 Million.
	* Für die Normalisierung wird die Formel <math> TPM = \frac{ c_\text{i}}{L_\text{i}} \cdot \dfrac {1}{\sum_\text{n} \dfrac {c_\text{n}}{L_\text{n}}} \cdot 10^6 </math> verwendet.		* Für die Normalisierung wird die Formel <math> TPM = \frac{ c_\text{i}}{L_\text{i}} \cdot \dfrac {1}{\sum_\text{n} \dfrac {c_\text{n}}{L_\text{n}}} \cdot 10^6 </math> verwendet.
	'''Parameter:''' <br>		'''Parameter:''' <br>

Mka: /* b: Normalisierung mit TPM */

2021-01-31T18:30:07Z

b: Normalisierung mit TPM

← Older revision		Revision as of 20:30, 31 January 2021
Line 46:		Line 46:
	* TPM steht für 'Transcripts per Million.		* TPM steht für 'Transcripts per Million.
	* Wenn 1 Millionen Transkripte sequenziert werden würden, wäre TPMi die Anzahl an Transkripten des Typs 'i'.		* Wenn 1 Millionen Transkripte sequenziert werden würden, wäre TPMi die Anzahl an Transkripten des Typs 'i'.
	* ~~Im Gegensatz zu RPKM wird L in Basenpaaren, statt in Kilobasenpaaren, angegeben.~~ Bei TPM wird außerdem die totale Anzahl an reads nicht berücksichtigt.<br>		* Bei TPM wird außerdem die totale Anzahl an reads nicht berücksichtigt.<br>
	* Anders, als bei der Normalisierung mit RPKM wird erst die Genlänge und dann die Sequenziertiefe normalisiert.		* Anders, als bei der Normalisierung mit RPKM wird erst die Genlänge und dann die Sequenziertiefe normalisiert.
	* TPM berechnet das Verhältnis zwischen den Ergebnissen und die Werte in jeder Spalte ergeben die gleichen Summe. Dies ist bei RPKM nicht immer der Fall, weswegen die Verwendung von TPM bei entsprechender Fragestellung von Vorteil sein kann.		* TPM berechnet das Verhältnis zwischen den Ergebnissen und die Werte in jeder Spalte ergeben die gleichen Summe. Dies ist bei RPKM nicht immer der Fall, weswegen die Verwendung von TPM bei entsprechender Fragestellung von Vorteil sein kann.

Mka: /* a: Normalisierung mit RPKM */

2021-01-31T18:27:15Z

a: Normalisierung mit RPKM

← Older revision		Revision as of 20:27, 31 January 2021
Line 41:		Line 41:
	\|}		\|}
	* Ein hoher RPKM Wert, sagt aus, dass die Genexpression stärker ist, als bei einem niedrigeren RPKM Wert, indem die Größe des Gens berücksichtigt wird.		* Ein hoher RPKM Wert, sagt aus, dass die Genexpression stärker ist, als bei einem niedrigeren RPKM Wert, indem die Größe des Gens berücksichtigt wird.
	* Zum Vergleich der Genexpression innerhalb einer Probe, können die RPKM Werte ~~gut~~ genutzt werden, sie sind jedoch nicht dafür geeignet Genexpressionen von Genen verschiedener Proben miteinander zu vergleichen, da die Bedingungen meist sehr unterschiedlich sind und falsche Aussagen über die Genexpressionen gemacht werden können.		* Zum Vergleich der Genexpression innerhalb einer Probe, können die RPKM Werte genutzt werden, sie sind jedoch nicht dafür geeignet Genexpressionen von Genen verschiedener Proben miteinander zu vergleichen, da die Bedingungen meist sehr unterschiedlich sind und falsche Aussagen über die Genexpressionen gemacht werden können. Die Summe aller RPKMs ergibt nicht 100 % und kann somit keine Anteile am Ganzen widerspiegeln.

	===b: Normalisierung mit TPM===		===b: Normalisierung mit TPM===