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）？
8 m  `$ P: Y$ \" R$ V4 W
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
1 V/ {' T$ E! p' H0 f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
( }* M7 k6 C- Y我的实验过程是这样的

/ _" v7 `' d; F- N$ N( r1 B1、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 W* Z+ n( T  u0 J9 D" }6 t& \3、统计相同深度出现的次数（叫深度的频数）
. ]/ u# a7 `0 O( z4、作深度与深度的频数的图

9 L, u$ d+ p+ d  P  B8 K) W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）
0 r& H: B5 e6 C" S! W/ P% G1 Y  F0 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。
, d, [" e+ i  J5 }7 T) M那么，
2 o4 k5 b7 Y: G1、这样的图是符合什么数学公式了？
- z" @' T5 n! o' ~$ ]2、能否区分出基因组中重复的区域？
! S9 ^1 d! F, t! k
* t7 N$ \% U- e! R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。
# |4 P" |3 O7 L3 m6 y那么，
1、这个可以用数学公式表示吗？
, _- m" G; n$ _+ [/ }6 A: E  r+ L2、能否区分出污染的数据？

# E8 c7 A0 t/ a$ Z5 c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）
) L1 W  ^2 ]; j5 u, u
: I  ~, I0 Z2 ~0 \, U
2 i8 @* I" @  s4 I" u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，
3 g4 p0 ^, i! r- f我的邮箱是：jingyc01@163.com，qq是51178182

0 p* _0 K2 I& B8 E! ~
* Z6 ~6 G0 V7 S3 D, G; K

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！