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：
3 y/ _) s4 e' X$ T3 y  w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）？
! R" M- l6 z3 L- v+ w# Y9 K
! h$ i* O2 s( H: E4 {+ t, A概念解释：
$ b; P  O* k$ g5 jreads：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

8 D) D6 O' A* ?1 F! Z6 Q之前，生物信息估计基因组大小的方法
; t5 k8 N8 i( a8 m3 [) P我的实验过程是这样的

( |2 F+ H7 f8 k7 c7 v& E$ G: o1、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

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）
6 f; p2 N, @! o, n+ @5 y$ h
我的问题：
8 s+ M( B% J+ @- D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。
) C6 s% v! Q5 w( U那么，
* s& m% c9 J+ |/ }) C1、这样的图是符合什么数学公式了？
! J$ I5 M) B& [- Z, L( @2、能否区分出基因组中重复的区域？
3 ~% |; R* v* b
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 s* r# j6 H; M0 A" o1 }那么，
7 t! s6 `/ L1 j( [1、这个可以用数学公式表示吗？
0 G( M; H7 v0 o/ M( d2、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）
+ z4 |) l2 T  w" p5 A6 x* y
; d1 J3 T- E  Q) m
自我介绍
# ~: Q$ x+ ]; q: u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。
1 R% y( ~- O. f' h2 L
5 _" B% s! A% ?8 L. E希望得到数学同志们的帮助，
- U7 I& R1 N7 l6 u$ ]. j' x我的邮箱是：jingyc01@163.com，qq是51178182
/ ]5 @2 J5 C: H3 y5 B
0 W/ l- v5 s" I' }$ g8 v7 k0 T- k  F
! X2 N5 V4 X  ]' s9 k
2 s* z% m  _( F! T

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！