关于泊松的问题（生物信息学的一个问题扩展）

chuchumaolu

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）？

7 u+ H( H4 R- g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
3 b0 I: y- m2 m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
! h8 E5 x' u  E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
$ \* H+ r; z( ~9 X% X8 L  X2、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）
  a5 M1 w  P+ [# i4、作深度与深度的频数的图
; E* e6 D* X  o( h! |2 B* z
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：
3 |- X6 a3 w9 x2 w! ^. E: E1 n9 S5 j* S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？
4 `+ e* s5 i9 P4 x+ U' I# [
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。
) C% i; g3 R- C! Y# b3 O那么，
1、这个可以用数学公式表示吗？
3 w6 G2 w' n9 o4 `+ x3 K% p2、能否区分出污染的数据？
, q8 C* U5 ?! i" w6 C  h/ N/ m% i. [
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）
! Y: w! A5 x$ y& W
- |! V! K5 \" b* J! M3 I" J
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。
6 d  D9 b* a; p
希望得到数学同志们的帮助，
9 D. |7 @7 ~2 P' H& m! a我的邮箱是：jingyc01@163.com，qq是51178182


. U" c$ z+ B( P* }
9 V: p- {7 w/ R/ K# ~2 u) G7 ?9 h

matdrchen

我来了~~~~~~~~~ 闪人~~~~~~~~~~~~~~~~  

Agnes2_3_4_5_6

a~帮顶~先~！！

yjh2010

先  支持一个！

madiostudy

强人，佩服死了。呵呵，不错啊

chuchumaolu

求高人指点，难道中国真的没有搞数学的

china_chinese

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

class77787

顶顶更健康，越顶吃的越香。

wenfeng018

我要把这个帖子一直往上顶，往上顶！

poipoi

我要把这个帖子一直往上顶，往上顶！