FPKM转化为TPM格式

FP (Fragments Per Kilobase of transcript per Million mapped reads) 和 TPM (Transcripts Per Million) 都是常见的基因表达量计算方法。FPKM 是一种相对表达量的度量，而 TPM 是一种归一化表达量的度量。

要将 FPKM 转换为 TPM，需要进行以下步骤：

1. 计算每个基因的长度（单位为 kb）。

2. 计算每个基因的表达量（TPM）。

TPM 的计算公式为：

TPM = (FPKM * 10^6) / (total mapped reads * gene length in kb)

其中，total mapped reads 是所有样本的总 mapped reads 数量，gene length in kb 是基因的长度（即步骤 1 中计算出的值）。

3. 对于每个样本，将所有基因的 TPM 值相加，得到该样本的总 TPM。

4. 将每个样本的总 TPM 进行归一化，即将每个样本的总 TPM 除以 1,000,000。

下面是一个 Python 实现的示例代码：

import pandas as pd

# 读取 FPKM 表达矩阵
df = pd.read_csv('fpkm_matrix.csv', index_col=0)

# 计算基因长度
gene_length = pd.read_csv('gene_length.csv', index_col=0)

# 计算每个基因的表达量（TPM）
total_mapped_reads = df.sum()
tpm = df.mul(10**6).div(total_mapped_reads).div(gene_length['length'], axis=0)

# 计算每个样本的总 TPM
total_tpm = tpm.sum(axis=0)

# 归一化 TPM
tpm_norm = tpm.div(total_tpm, axis=1).mul(10**6)

# 输出 TPM 表达矩阵
tpm_norm.to_csv('tpm_matrix.csv')

其中，`fpkm_matrix.csv` 是 FPKM 表达矩阵，`gene_length.csv` 是基因长度信息表。输出的 `tpm_matrix.csv` 就是 TPM 表达矩阵。