FPKM：Fragments Per Kilobase of exon model per Million mapped fragments(每千个碱基的转录每百万映射读取的fragments)
RPKM：Reads Per Kilobase of exon model per Million mapped reads (每千个碱基的转录每百万映射读取的reads)
TPM：Transcripts Per Kilobase of exon model per Million mapped reads (每千个碱基的转录每百万映射读取的Transcripts)
Reads和Fragments的区别
Reads即是指下机后fastq数据中的每一条Reads，Fragments则是指每一段用于测序的核酸片段，在单端测序中，一个Fragments只测一条Reads，所以，Reads数与Fragments数目相等；在双端测序中，一个Fragments测两端，会得到2条Reads，但由于后期质量或比对的过滤，有可能一个Fragments的2条Reads最后只有一条进入最后的表达量分析。总之，对某一对Reads而言，这2条Reads只能算一个Fragments，所以Fragments的最终数目是Reads的1到2倍之间。
为什么要进行标准化分析？
在RNA-Seq的分析中，为了获得差异表达基因，只需要对不同基因的测序Read数进行比较即可。然而比对到不同基因上的Read数目并不能直接用于比较这两个基因的表达量差异，因为在RNA-seq中有一个很浅显的道理，基因越长，比对到此基因上的Read就会越多；测序深度越大，那么本次RNA-seq的所有Read数都会增加。也就是说Read数除了和基因表达量相关外，也和基因的长度、测序深度有关，因此为了比较多个RNA-seq重复（测序深度有一定差异）的不同基因（基因长度有一定差异）之间的表达量差异，那么就不能使用Read数直接进行比较，而是需要对Read数进行标准化。
受到基因长度影响，那么将测序Read数除以基因长度；受到测序深度影响，那么再将Read数除以总Read数进行标准化也就消除了测序深度的影响。
基因长度是用 kb表示的，所以RPKM中是K，Kilobase。而总Read数太大了，直接除以这个数字就会使得标准化出来的Read数出现太多的小数，所以为了美观，一般都是除以以百万为单位的总Read数。
RPKM
RPKM = total exon reads/ (mapped reads (Millions) * exon length(KB))
total exon reads：某个样本mapping到 特定基因 的外显子上的所有的reads；
mapped reads (Millions) :某个样本的 所有 reads总和；
exon length(KB)：某个基因的长度（外显子的长度的总和，以KB为单位）；
例子
假定有以下RNA-seq数据，测定了A、B、C、D四个基因，长度分别是2、4、1、10kb，共测定了3个生物重复：Rep1、Rep2、Rep3。
第一步：计算总Read数
只有4个基因，所以总Read数并没有太大，因此使用10模拟百万进行总read换算
第二步：标准化总Read数
将Rep1、Rep2、Rep3除以各自换算后的总Read数（也就是3.5，4.5，10.6），得到RPM
第三步：标准化基因长度
再将基因A、B、C、D的RPM值除以各自的基因长度，得到RPKM
FPKM
FPKM同RPKM是一样的，只是RPKM用于单末端测序，而FPKM用于双末端测序。
二代测序时，会将所有的DNA打成片段（fragment），然后再去测序。单末端测序时，一个片段对应一个Read，但是双末端测序时，一个片段会从两端分别测定一次，因此这两个配对Read对应的是同一片段（偶尔也会有一个片段只对应一个Read的情况，另一个Read因为某些原因被剔除或丢失了）。
区别也就在这里，对于FPKM来说，配对到同一片段上的两个Read只会算作一个Read，也就是说FPKM是以Fragment为准，不以Read数为准，其他计算方式是完全一样的。
TPM
TPM的计算方法同RPKM很类似，同样的对基因长度和测序深度进行标准化，只不过RPKM是先进行测序深度标准化，后进行基因长度标准化；而 TPM是先进行基因长度标准化，后进行测序深度标准化。事实证明，TPM的标准化方法更有优势。
例子
第一步：进行基因长度标准化
先将基因A、B、C、D的Read数除以各自的基因长度（基因长度单位kb），得到RPK。
第二歩：计算总Read数（RPK）
计算总Read数，并将其进行百万转换，这里是使用10模拟百万转换。由于TPM先进行基因长度标准化，所以这里的总Read数计算已经变为基因长度标准化后的Read数，也就是RPK数。
第三步：进行总Read数标准化
将Rep1、Rep2、Rep3的RPK除以各自的转换后的总Read数，得到TPM值。
TPM相比较RPKM、FPKM的优势
将每个转录本的相应RPKM和TPM值进行加总后，可以发现不同转录本的总RPKM并不相同，而进行TPM变换后的加总TPM值是相同的。事实上所有进行TPM变换后的转录本的加总TPM值都是相同的（正常情况下，是百万）。
由于RNA-seq就是为了通过比较不同样本间的标准化后的Read数差异来得出基因表达量差异的结果，那么不同样本的加总RPKM不同，就会导致无法通过直接比较RPKM值确定两者的差异。
举例来说，在不考虑统计差异的情况下，以基因A为例，Rep1的RPKM值为1.43，Rep3的RPKM值是1.42，那么能说基因A在Rep1中的表达量大于Rep3中的表达量吗？
答案是不能，因为Rep1的总RPKM值是4.29，而Rep3的总RPKM值是4.25，虽然Rep1中基因A的RPKM大，但是Rep1的总RPKM值也是较大的（说白了，RPKM的测序深度标准化并不完善）。
而对于TPM数据就不同了，由于总TPM都是相同的，Rep1中基因A的TPM值3.33大于Rep3中基因A的TPM值3.326，所以在不考虑统计学差异的情况下，可以直接得出Rep1中基因A的表达量是要大于Rep3的。
