蛋白组学数据，有哪些归一化方法？

蛋白归一化的方法主要包括两种:内标法和总蛋白法

在蛋白质组学数据分析中,常用的归一化方法主要有:

1. 总量归一化(Total abundance normalization):通过对所有蛋白丰度值求和,然后归一化到同一水平。

2. 中位数归一化(Median normalization):用所有蛋白丰度值的中位数进行归一化。

3. 四分位归一化(Quantile normalization):将不同样本的丰度值分布调整到相同的分布。

4. Z-score归一化:对每个蛋白的丰度值进行Z-score转换,得到标准化表达式数据。

5. 小数定标归一化(Decimal scaling normalization):通过一个小数因子(如10^6)归一化所有蛋白丰度值。

6. 方差稳定归一化(VSN):通过假设数据对数变换后符合正态分布,估计变换后方差,进行归一化。

7. 基准化(Housekeeping normalization):用参考基准蛋白进行归一化。

8. 全局中位值归一化(Global median normalization) :对所有蛋白用中位蛋白强度归一化。

选择合适的归一化方法,能校正技术误差,提高定量可靠性,是蛋白质组学数据分析的关键步骤。需考虑数据特点,选用适当的归一化策略。

有四种方法：

中值归一化：即每列数据除以该列数据的中位数。中位数不受该列的大值或小值影响。

共有蛋白中值归一化：即每列数据除以共有蛋白的中位数。

线性函数归一化：是对原始数据的线性变换，使结果值映射到[0-1]之间，保留源数据存在的关系，消除取值范围简单的方法，不过，受个别离群值影响，如果数据集中某个数值很大，其他各值归一化后会接近0。

Z Score 归一化：经过处理的数据符合标准正态分布，即均值为0，标准差为1。