Spike-in normalization

不是把每个样本的总 reads变成最小 spike-in 数，而是按照 spike-in reads 的比例缩放，使每个样本在校正后都相当于具有相同数量的 spike-in：

SF_i = min(spike-in reads) / sample spike-in reads

校正后：

spike-in reads_i × SF_i = min(spike-in reads)

实验物种 reads 也按照相同比例缩放，但校正后实验物种的总 reads 不一定相同。这个差异可以保留真实的全局 ChIP/CUT&Tag 信号变化。

CPM normalization

CPM 是把每个样本的实验物种总 reads 统一换算为 100 万：

CPM = region coverage / experimental mapped reads × 10^6

校正后所有样本的实验物种总信号理论上都是 100 万，因此会消除样本之间的全局信号总量差异。

直观区别

• CPM：以样本自身的实验物种 reads 为尺子，假设所有样本总体信号相同。
• Spike-in：以加入的外源 reads 为尺子，允许实验物种总体信号发生真实变化。

所以更准确地说：

Spike-in normalization 把所有样本缩放到相同的“外源参考量”；CPM 把所有样本缩放到相同的“实验物种总 reads = 100 万”。