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：
* K$ j( |. S  m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）？
; ^& x" c. c/ g7 f  P1 ]9 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
测序深度：测序的reads的总大小 /基因组大小，叫测序深度

; `' l4 x2 k7 S/ i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
8 g# Y5 Q: e' X" g
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
2、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
* r& y/ H, B" u; X
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：
; b$ k* g2 b# G$ 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。
那么，
1、这样的图是符合什么数学公式了？
, W' J. v) s  [2、能否区分出基因组中重复的区域？
3 g! h6 _* p" X8 U: [
" f9 R& U0 G7 {/ E5 O0 _" {, A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。
, s% S+ B1 w1 k+ a# E那么，
1、这个可以用数学公式表示吗？
0 l4 X% D( ^# n3 v% F0 p8 S2、能否区分出污染的数据？

3 r" I$ M4 F# n& 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）

+ u( S. p9 V: f7 a1 v& ~3 }
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。

" h- V/ H- X6 n) l% _& n; o希望得到数学同志们的帮助，
# c2 j, }8 y, Y, ~- O$ C  M我的邮箱是：jingyc01@163.com，qq是51178182
7 F3 |1 ]- G, j6 m* A: @$ W/ y
, R8 M+ Z  N3 G* ~1 q5 O4 V
( C: b, C4 Y8 c, Q+ z  K3 q

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！