ERCC插入是為RNA-Seq開發的一組合成對照。我對使用它來標準化我的RNA-Seq樣本感興趣。特別是，我想使用附加功能消除技術偏見和任何不應該屬於我的分析的變化。
該網站未提供有關如何執行此操作的任何詳細信息。
問題：：可能的歸一化策略是什麼？您能簡要描述一下嗎？
您可以考慮使用 RUVSeq。以下是 2013 Nature Biotechnology出版物的摘錄：
我們評估了外部RNA控制聯盟（ERCC）插入控制的性能，並研究了直接使用它們進行歸一化。我們顯示，刺入信號不夠可靠，無法在標準的全局縮放或基於回歸的標準化過程中使用。我們提出了一種標準化策略，稱為“消除不必要的變異（RUV）”，它可以通過對合適的一組對照基因（例如ERCC刺入基因）或樣品（例如復製文庫）進行因子分析來調整有害的技術效果。
RUVSeq本質上適合表達式數據的廣義線性模型（GLM），其中表達式矩陣$ Y $是$ m $ x $ n $矩陣，其中$ m $是樣本數$ n $個基因的數量。模型歸結為
$ Y = X * \ beta + Z * \ gamma + W * \ alpha + \ epsilon $
，其中$ X $描述了感興趣的條件（例如治療與對照），$ Z $描述觀察到的協變量（例如性別），$ W $描述未觀察到的協變量（例如批次，溫度，實驗室）。 $ \ beta $，$ \ gamma $和$ \ alpha $是參數矩陣，記錄$ X $，$ Z $和$ W $的貢獻，而$ \ epsilon $是隨機噪聲。對於經過精心挑選的基因（例如ERCC插入基因，管家基因或技術複製品）的子集，我們可以假設$ X $和$ Z $為零，並找到$ W $-樣本中的“不需要的變異”。
我們已在所有RNASeq數據中添加了ERCC插件，以防萬一其他人將來發現它有用。但是，我從未在自己的分析中使用過它，因為我想不出可以使用它的合理方式。
ERCC的典型建議是按輸入RNA的量成比例添加它，但這是假設不同細胞的總細胞RNA計數相似（通過查看單細胞RNASeq結果可證明是錯誤的）。結果比從原始讀物中採樣到的“看家”基因集要好。