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：
9 |& D2 Y. Q# I8 L3 y8 u( P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）？

# z# k. e3 R6 p/ L" s* V概念解释：
; p& ]/ A0 b& E5 preads：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

# b( T. _! `7 c0 n% R之前，生物信息估计基因组大小的方法
8 n2 G: b7 F4 K; N! y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
# P( K) }$ |, Y/ O& o2、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
* d5 |3 B2 G8 k0 F: v4 }  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）

/ G5 R8 Q( o  u5 F4 e4 S- z2 A" o8 f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？
8 }# L6 Z- m  {, q" u5 D2、能否区分出基因组中重复的区域？
# N) j0 ?) o! d2 b
$ t) G& M9 q  b2 o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。
3 D4 ~. ]# c8 _那么，
& Z- I- v: F7 ]+ D' b$ |3 t1、这个可以用数学公式表示吗？
5 e+ d: f2 E  L* p, W& v2、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）
+ d, ~- N9 f# C  e' W* w0 u+ m
+ ~3 |: [$ E- @8 ?; a
/ G7 `7 i, o3 P0 K自我介绍
, G# I* l' Z$ f9 I) b$ H6 K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。
/ a, h: G& H- {
希望得到数学同志们的帮助，
我的邮箱是：jingyc01@163.com，qq是51178182

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！