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：
5 z8 Y2 |+ `4 ]% \1 U: t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）？

概念解释：
$ R. K/ T+ X+ X; w) o# ^4 ureads：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
6 ~3 ^, t0 e' z测序深度：测序的reads的总大小 /基因组大小，叫测序深度
8 B0 t$ d& Y5 e+ D: W
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 n* d$ a" A$ q% S7 G9 s
8 `. A# y4 h0 e7 V( Q1、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
* o4 B: Z# b+ X% p, T2、统计相同K-mer出现的次数（叫K-mer的深度）
' R1 k6 m4 S- |% S' }3、统计相同深度出现的次数（叫深度的频数）
1 ~  r" l# q/ ?0 D4、作深度与深度的频数的图

9 E% L8 i# z# @' _7 L' V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）
, m7 ~% n0 E  e" M# V( A, m) M$ E2 J0 N
' u3 |( O  R1 o  I) V) R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。
那么，
1、这样的图是符合什么数学公式了？
2、能否区分出基因组中重复的区域？
9 `7 f3 H: v2 n, S% P! d  g5 x
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，
* E# W% N0 L; E4 ~; w& t" @1、这个可以用数学公式表示吗？
2、能否区分出污染的数据？
6 B: g% `. m  N, R& s+ _. ~$ [
9 W/ w4 a% s$ @7 Q, v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）
( h* B& f" R' Q" M

自我介绍
/ j+ M. ^4 x+ S; P; X+ ?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。

% }9 U" j7 I0 N" D希望得到数学同志们的帮助，
* m( j- O' O# Y. I. R我的邮箱是：jingyc01@163.com，qq是51178182


9 h4 B% I( j9 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！