head(mycounts)
rownames(mycounts)<-mycounts[,1]
mycounts<-mycounts[,-1]
head(mycounts)
kb <- mycounts$Length / 1000
kb
countdata <- mycounts[,1:9]
rpk <- countdata / kb
rpk
tpm <- t(t(rpk)/colSums(rpk) * 1000000)
head(tpm)
write.table(tpm,file="2020武汉加油_tpm.xls",sep="\t",quote=F)
fpkm <- t(t(rpk)/colSums(countdata) * 10^6) （之前这里写成了10^9，多谢@不爱说话的生物狗 提醒，现在已经修改）
head(fpkm)
write.table(fpkm,file="2020武汉加油_fpkm.xls",sep="\t",quote=F)
fpkm_to_tpm = t(t(fpkm)/colSums(fpkm))*10^6
head(fpkm_to_tpm)
当然，已知所有基因的FPKM情况下，可以通过上述公式直接在excel里计算相应基因的TPM值。
获取表达矩阵，处理TCGA的count数据，1表示为行。
导入数据
加 ENTREZID列，用于富集分析（symbol转entrezid，然后inner_join）
转化空格为NA
用花花的专属TCGA包，ID进行转换
把空着的值改为NA
以病人为中心，表达矩阵按病人ID去重复
去除重复
TPM数据做单个基因的生存分析file:///C:/Users/denghuan/Desktop/The%20learning%20of%20R%20software/Practice/%E7%94%9F%E5%AD%98%E5%88%86%E6%9E%90%20survival%20analysis/6.Survival.html
stringr::str_replace_all()
str_detect(colnames(exp),"TCGA-W5-AA2R")
在用 featureCounts 做完表达矩阵的counts值后进行TPM需要注意这个细节问题，在计算TPM时每个基因需要除以各自的基因长度来校正基因长度，每一个样本又要除以它各自的文库大小校正测序深度。
因此，我们的表达矩阵，其实是需要除以两个长度不一的向量，而且方向不一样，一个是按照行来除以（基因长度），一个是按照列来除以（测序深度），在我之前的文章 https://www.jianshu.com/p/cd1c7b4ec6a2 RNA-seq数据分析一：(HISAT2+featureCounts） 中有提到
count 是表达矩阵，kb是不同基因长度向量，而 colSums(count) 是不同样本的长度向量。
矩阵除以向量，是按行的顺序来的，如果需要按列的顺序来(不同样本，一列一列)，就得先转置，再转回来
我们可以看到，一个矩阵除以向量是将向量按照行（第一行第一个，第二行第一个...）的顺序与矩阵中的数据相除。
