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）？

6 _) ?3 s8 G& O' N概念解释：
8 K  y5 n! Q5 @( {' areads：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
& U3 I  m3 d8 B2 O. o# A测序深度：测序的reads的总大小 /基因组大小，叫测序深度
8 V% I( }3 k% F3 u3 h; U
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

$ I, o7 u/ h% V9 |& H; s8 |9 ^0 g" X1、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
0 _+ K2 Q1 ^+ N2、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
2 z3 }( n, c, `' C
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）
9 x5 x& Y) G5 M5 d
6 q+ t) F: P; O1 j# [% O* y我的问题：
6 I) s# z2 |) g! [/ u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。
2 [: X+ I: u; f  B+ r: H那么，
  }& l9 q" b% d! X; e1、这样的图是符合什么数学公式了？
+ M, t* e8 i$ D2、能否区分出基因组中重复的区域？

. @; M- D5 c6 o! V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，
: h8 |/ J( S, D+ e* I& Z1 M" `1、这个可以用数学公式表示吗？
1 l, O" \4 P2 c1 K# _3 H) v2、能否区分出污染的数据？
6 x, b  ?7 ^% U. D
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）
8 G! J( ~( `$ m
" L. k( D" F6 D# P
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。
& m! W9 \- h7 }2 h: B: X/ L" S
希望得到数学同志们的帮助，
3 B/ j1 z; @2 _/ B我的邮箱是：jingyc01@163.com，qq是51178182
, z, K- Y  u; P
  o! ?3 N$ C/ t; O: U' a9 W5 ^
7 D" G( l; t8 G) ^
2 T" A0 U( U- P0 I5 S7 S  X& u

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！