Han Y, Gao S, Muegge K, Zhang W, Zhou B. (2015) Advanced Applications of RNA Sequencing and Challenges. Bioinform Biol Insights 9(Suppl 1):29-46. [article]

計算好基因的表達量，之後的data normalization其實是很重要的一環，這一步驟要考慮的細節很多，像是transcripts size、GC content、sequencing depth、sequencing error rate、insert size。

• Li S, Łabaj PP, Zumbo P, et al. Detecting and correcting systematic variation in large-scale RNA sequencing data. Nat Biotechnol. 2014;32(9):888–95.
  
• Filloux C, Cédric M, Romain P, et al. An integrative method to normalize RNA-seq data. BMC Bioinformatics. 2014;15:188.

在評估各種標準化的方式，可以使用measurement error model來評估其標準化的效力。

• Ager-Wick E, Henkel CV, Haug TM, Weltzien FA. Using normalization to resolve RNA-Seq biases caused by amplification from minimal input. Physiol Genomics. 2014;46(21):808–20
• Sun Z, Zhu Y. Systematic comparison of RNA-Seq normalization methods using measurement error models. Bioinformatics. 2012;28(20):2584–91.

目前有很多標準化的方式，像是quantile normalization，這方法在處理microarray資料上很有效，在RNAseq中能提高data quality，即使是low amount的RNA。

• Bullard JH, Purdom E, Hansen KD, Dudoit S. Evaluation of statistical methods for normalization and differential expression in mRNA-Seq experiments. BMC Bioinformatics.

在R語言中的EDASeq，其先使用within-lane normalization再來between-lane normalization，可以有效降低GC-content所造成的問題

• Risso D, Schwartz K, Sherlock G, Dudoit S. GC-content normalization for RNA-seq data. BMC Bioinformatics. 2011;12:480.

Lowess normalization的方法在microRNA 的資料處理蠻有效的。

• Garmire LX, Subramaniam S. Evaluation of normalization methods in mammalian microRNA-Seq data. RNA. 2012;18(6):1279–88.

目前在處理RNAseq資料上的normalization依舊需要有更好的方法被發展出來。

進一步閱讀：基因的長度是否會影響RNAseq中的表現差異分析呢？