数学建模社区-数学中国

标题: 关于泊松的问题（生物信息学的一个问题扩展） [打印本页]

作者: chuchumaolu 时间: 2010-9-7 18:35
标题: 关于泊松的问题（生物信息学的一个问题扩展）
实际问题是这样的：
在实际基因组测序过程中，我们想从测序的reads的数据情况中了解生物的基因组的大小（未知）？

概念解释：
reads：为了知道生物基因组的DNA序列情况，把生物基因组的DNA打断为小的片段，测定每个片段的DNA序列情况，每次测定反应得到的数据叫：reads
测序深度：测序的reads的总大小 /基因组大小，叫测序深度

之前，生物信息估计基因组大小的方法
我的实验过程是这样的

1、在一个长度为G的大小的字符串中（DNA序列），从头至尾按一定长度去字符串（叫做K-mer）。例如：ATCT,取3-kmer为：ATC,TCT
2、统计相同K-mer出现的次数（叫K-mer的深度）
3、统计相同深度出现的次数（叫深度的频数）
4、作深度与深度的频数的图

假设：K-mer的深度与深度的频数图服从泊松分布，可以得到：位置基因组大小=K-mer的个数/K-mer的期望深度（叫peak值）

我的问题：
在一个基因组中存在相同的区域，按照上面的做法得到的深度与深度的频数的图，会出现两个峰，其深度关系成2倍关系。
那么，
1、这样的图是符合什么数学公式了？
2、能否区分出基因组中重复的区域？

另一个问题，在基因组测序中，由于样品不纯存在污染（混合有其他生物的基因组），做深度与深度的频数的图，也会出现两个峰。
那么，
1、这个可以用数学公式表示吗？
2、能否区分出污染的数据？

第三个问题，泊松公式能否像三角函数一样，成叠加的性质，（sinx+cosx）

自我介绍
我是学生物的，现在做基因组测序工作，在我们的实际工作中，我们经常要计算位置基因组大小，但是我们做的图都不是标准的泊松分布图，所以按照上面公式估计出的大小有很多偏差；而且在实际工作中，经常会遇到杂合和污染的情况；对我们的估计影响也很大。所以希望从数据上得到一些处理。

希望得到数学同志们的帮助，
我的邮箱是：jingyc01@163.com，qq是51178182

作者: matdrchen 时间: 2010-9-7 20:00
我来了~~~~~~~~~ 闪人~~~~~~~~~~~~~~~~

作者: Agnes2_3_4_5_6 时间: 2010-9-7 20:49
a~帮顶~先~！！

作者: yjh2010 时间: 2010-9-7 23:24
先支持一个！

作者: madiostudy 时间: 2010-9-8 08:00
强人，佩服死了。呵呵，不错啊

作者: chuchumaolu 时间: 2010-9-8 08:52
求高人指点，难道中国真的没有搞数学的

作者: china_chinese 时间: 2010-9-8 12:00
楼主，你写得实在是太好了。我惟一能做的，就只有把这个帖子顶上去这件事了

作者: class77787 时间: 2010-9-8 15:00
顶顶更健康，越顶吃的越香。

作者: wenfeng018 时间: 2010-9-8 20:00
我要把这个帖子一直往上顶，往上顶！

作者: poipoi 时间: 2010-9-9 08:00
我要把这个帖子一直往上顶，往上顶！

作者: xinyu_1314_1981 时间: 2010-9-9 08:00
呵呵大家好奇嘛来观看下~~~~

作者: zhijun88 时间: 2010-9-9 12:00
留个脚印```````

作者: yuro 时间: 2010-9-9 15:00
试试运气啦~~~~~~~~~~~

作者: zys402 时间: 2010-9-9 20:00
试试运气啦~~~~~~~~~~~

作者: 两个人 时间: 2010-9-9 20:00
我基本上是采用看英语文章的办法，先泛读，再精读，再一句一句看，最后再提纲挈领，总算是明白一点了，当然，也可能还是领悟错了。最后要说的一句话是：楼主，你很牛叉，希望你不是真的有病。

作者: chuchumaolu 时间: 2010-9-9 20:35
不知道楼上什么意思，我是想大家求解问题哦，这个在我们实际工作中经常遇到，难道这个也有病吗？

作者: liujunliujun_19 时间: 2010-9-10 08:00
鉴定完毕！

作者: huzh369 时间: 2010-9-10 11:39
顶顶更健康，越顶吃的越香。

作者: amocilin 时间: 2010-9-10 11:51
我要把这个帖子一直往上顶，往上顶！

作者: lihe 时间: 2010-9-10 12:00
楼主，你写得实在是太好了。我惟一能做的，就只有把这个帖子顶上去这件事了

作者: BMSHAO 时间: 2010-9-10 15:00
我基本上是采用看英语文章的办法，先泛读，再精读，再一句一句看，最后再提纲挈领，总算是明白一点了，当然，也可能还是领悟错了。最后要说的一句话是：楼主，你很牛叉，希望你不是真的有病。

作者: 双子座 时间: 2010-9-10 20:00
声明一下：本人看贴和回贴的规则，好贴必看，精华贴必回。

作者: jjjjpp760 时间: 2010-9-11 08:00
我要把这个帖子一直往上顶，往上顶！

作者: 天下无双 时间: 2010-9-11 12:00
楼主，你写得实在是太好了。我惟一能做的，就只有把这个帖子顶上去这件事了

作者: liuwei 时间: 2010-9-11 15:00
强烈支持。楼主万岁

作者: jixue 时间: 2010-9-11 20:00
哦～～

作者: liujunliujun_19 时间: 2010-9-12 08:00
强烈支持。楼主万岁

作者: hanslei 时间: 2010-9-12 12:00
留个脚印```````

作者: chenzhiyongdlut 时间: 2010-9-12 15:01
声明一下：本人看贴和回贴的规则，好贴必看，精华贴必回。

作者: likaiwudi 时间: 2010-9-12 20:00
声明一下：本人看贴和回贴的规则，好贴必看，精华贴必回。

作者: alex_syh 时间: 2010-9-13 08:00
我回不抢呢考虑再三还是不抢了吧 ^_^

作者: agsmillboy 时间: 2010-9-13 12:00
鉴定完毕！

作者: hiv 时间: 2010-9-13 15:00
试试运气啦~~~~~~~~~~~

作者: DQLZH 时间: 2010-9-13 20:00
哦～～

作者: beckhamly27 时间: 2010-9-14 12:00
我来了~~~~~~~~~ 闪人~~~~~~~~~~~~~~~~

作者: timtianma 时间: 2010-9-14 15:00
留个脚印```````

作者: foremanchen 时间: 2010-9-14 20:00
留个脚印```````

作者: xiaoxq 时间: 2010-9-15 12:00
偶的天啊!这是什么样的贴子呢？

作者: 镜花水月 时间: 2010-9-15 15:00
强人，佩服死了。呵呵，不错啊

作者: tjliang_007 时间: 2010-9-15 20:00
我来了~~~~~~~~~ 闪人~~~~~~~~~~~~~~~~

作者: fengge 时间: 2010-9-15 20:00
声明一下：本人看贴和回贴的规则，好贴必看，精华贴必回。

作者: wds315 时间: 2010-9-16 12:00
我基本上是采用看英语文章的办法，先泛读，再精读，再一句一句看，最后再提纲挈领，总算是明白一点了，当然，也可能还是领悟错了。最后要说的一句话是：楼主，你很牛叉，希望你不是真的有病。

作者: 不学无术 时间: 2010-9-16 15:00
哦～～

作者: SDHZTAO 时间: 2010-9-16 20:00
楼主，你写得实在是太好了。我惟一能做的，就只有把这个帖子顶上去这件事了

作者: chuchumaolu 时间: 2010-9-17 13:43
后面我发现了，我觉得很难的东西，其实别人早就做处理了，kmer分析这个东西是落后的东西呀，只是有些数学关系证明还是很有意思，

作者: chuchumaolu 时间: 2010-11-28 10:34
前两天我和同事讨论了测序错误的问题，发现在测序错误的部分和测序正确的部分不是简单的的叠加，很复杂，所以有那位高人指点一下，我们一起研究。

作者: 禾木星宸 时间: 2011-3-7 17:13
K-mer分析来评估深度确实有这个问题，就算是单峰，估算值和真实值也有偏差。最近我也刚入手开始做基因组的分析，很多自己也不懂呐

欢迎光临数学建模社区-数学中国 (http://www.madio.net/)