转录本定量本来就不是一件容易的事情

gtf文件大家都了解，基因或者外显子的坐标相对独立，但是转录本很不一样，同一个基因的不同转录本共用外显子，这样的话它们的坐标其实很多都是overlap的，这样，我们的二代测序的100bp或者150bp的reads就无法判定它到底属于哪一个转录本！（这个时候全长转录组测序（iso-seq）可能是更好的选择）

比如文章：2015 Nov 7. doi: 10.1080/01621459.2015.1040880 就尝试图解如下：

image-20191112170928855

我们可以很轻松的对这个基因的3个exon进行表达量计数，但是呢，这3个转录本就需要通过公式来推断了，而且这还是一种理想的情况下，我们的这个 基因仅仅是有这3个转录本，所以得到这样的结果，就不奇怪了。

TCGA数据库也不提供基于转录本的表达矩阵

比如我一直强推的UCSC的XENA数据库里面：

https://xenabrowser.net/datapages/

比如对BRCA来说，基于exon的表达矩阵是：

https://tcga.xenahubs.net/download/TCGA.BRCA.sampleMap/HiSeqV2_exon.gz

Level_3 data (file names: *.exon_quantification.txt) are downloaded from TCGA DCC, log2(x+1) transformed, and processed at UCSC into Xena repository.

input data formatROWs (identifiers) x COLUMNs (samples) (i.e. genomicMatrix)
239,323 identifiers X 1218 samples

基于基因的表达矩阵如下：

https://tcga.xenahubs.net/download/TCGA.BRCA.sampleMap/HiSeqV2.gz

Level_3 data (file names: *.rsem.genes.normalized_results) are downloaded from TCGA DCC, log2(x+1) transformed, and processed at UCSC into Xena repository

input data formatROWs (identifiers) x COLUMNs (samples) (i.e. genomicMatrix)
20,531 identifiers X 1218 samples

不过还好有专门的isoform数据库

我们下次再讲。