“基因表达量计算和差异表达分析”，这两项分析是转录组数据分析的基础。在接下来的两次在线交流课程中，我们将会详细介绍这两项分析的原理和常见的计算方法。并且进一步讨论不同方法的优缺点和对后续数据分析的影响。

在第一章中，我们将会详细介绍转录组分析中基因（转录本）表达量计算的方法。转录组表达量计算简要说来分为三个步骤：

1. 比对：将测序得到reads 比对到参考序列上；
2. Read count计算：估算每一个基因（转录本）相应的reads 数量；
3. Read count归一化：将每一个基因（转录本）的reads数量转化为基因的表达量值，便于样本间的比较。

第一章内容，我们重点讨论第3个步骤涉及的问题：如何将reads count转化为基因的表达量。因为表达量计算的准确性，直接将影响后续相关分析的可靠性。这里主要讨论两点：
（1）一条read是否可以代表一条转录本？同时衍生出三个定义：RPKM、FPKM以及TPM，那么三者间有什么区别？因为在不同的测序项目中，可能会涉及到三个不同的概念，因此可能会给大家带来一些混淆。

（2）二代测序的表达定量，本质和荧光定量PCR相同：需要参照一个标准来换算出每个基因的表达量。这个参考标准可能是样本的总数据量，可能是样本中基因表达量的中位数，也可能是内参基因。那么，不同处理策略间有什么优缺点？在特定项目中，选用错误的策略会对后续的结果产生什么影响？我们将使用一些实际案例来解释这些问题。

第一章是第二章的基础，在讨论完第一章的问题后，在第二章内容中我们将会进一步讨论：表达量差异分析都有哪些常见方法以及它们的优缺点是什么？