NGS原理- 转录组计数统计Readcounts-如何才是合理的

转录组Read Counts统计原理：

一般来说是通过比对工具（如HISAT2、STAR，fanse）将测序reads比对到参考基因组
使用计数工具（如HTSeq、featureCounts）统计比对到每个基因区域的reads数
合理的统计方法应包含考虑多比对reads的分配问题（如EM算法）
重要的就是这个原始计数（Raw counts）：简单统计比对到基因的reads数，是怎么统计的，因为后续所有的统计都是基于这个，那么各种花一样的玩法，如果这个基础没打好，都是天上浮云。

同样一列基因名，看第二列总计counts（multimapping的取第一个基因名作为主基因名使用，加上single部分的counts），第三列是只统计single mapping的counts（只mapping到一个位置，只有一个基因名）。

• 可以看出差异巨大，最高比对counts数的这一些里面，如果只看single部分，有接近一半，差异极其显著极其显著。
• 所以不考虑multi mapping的counts，只用single counts是不合理也非常不合适的。
• 那么，换用基因层面而不用转录组层面呢，明显会好一些。
• 如何才是更合理一些的呢？