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：
8 g# x" Z: H8 a6 r$ E& d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）？
2 w7 a1 `, S2 Y, z+ I2 |& I  i9 @- C, x( d
0 r7 w" R; |9 W% f, C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
. t5 |% I$ J0 L5 F8 |5 s4 P8 K测序深度：测序的reads的总大小 /基因组大小，叫测序深度

$ @  j0 e7 Z  F# d: z0 A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
7 x! z4 e; T$ L/ C: J4 q2、统计相同K-mer出现的次数（叫K-mer的深度）
/ j% L, |, r8 r* X/ l. `3、统计相同深度出现的次数（叫深度的频数）
: i7 C: b1 u8 C9 M! J0 I4、作深度与深度的频数的图

9 u- Y# r. S2 m1 W3 L4 G, D! r, g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 E4 T# @" f" u/ j+ d' C7 c
我的问题：
* j$ m: q1 e2 ^. V& ^) z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。
' |9 x$ @, D, J那么，
7 a( u5 u1 V( U% g& i  _1、这样的图是符合什么数学公式了？
& h% s1 g2 g0 O: T& x+ b2、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，
  [! p  ], s& t( f* k) Q1、这个可以用数学公式表示吗？
: N3 W! _: d! J. [& ?1 M2、能否区分出污染的数据？
0 i( U, J1 |8 s  |! a
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）
0 |5 R3 {  ?  R. u# f

/ P! B. j5 o/ G# g2 m' [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


! Q+ L) D5 A* L7 Q
2 ]% \' ?+ J: x2 J3 [: r# ]9 I

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！