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：
2 R) u  G, c, B" Q7 g8 V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：
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

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
7 e1 T+ y% a4 A* B9 b
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
* |4 K2 H; w9 V2 g1 I. v2、统计相同K-mer出现的次数（叫K-mer的深度）
  Y# c) i: {( C" W  f8 P3、统计相同深度出现的次数（叫深度的频数）
: Y1 i" _( {0 R) v: N$ H' z4、作深度与深度的频数的图
0 w/ a$ J4 R4 ]1 s$ b5 t0 X% t
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）

) W: |3 h4 z& f) B  u8 e我的问题：
0 \8 @. I: G% ~% U0 a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。
/ E' ^0 Q. R, Y" ]那么，
" g5 @. L# |% j8 [1、这样的图是符合什么数学公式了？
2 H/ d4 u" g# o; f2、能否区分出基因组中重复的区域？

9 _' k8 |5 R9 j/ h' b% C' M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，
3 {. R% e  d* g- F5 P+ I1、这个可以用数学公式表示吗？
1 P, y3 V- y- U# ]: h; T, H2、能否区分出污染的数据？

. `" R* C: l$ m9 b, f) [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）


3 r  H" n5 G: _3 V自我介绍
& y) f  J& q( |0 B2 F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。
/ j# [7 p1 A) v) R8 @* h0 A8 _! Y6 l
0 ?9 ^! g* z. m! `希望得到数学同志们的帮助，
我的邮箱是：jingyc01@163.com，qq是51178182
' h' B/ J- x/ z- R. j7 u) ~3 _


$ m- }/ Y" ~3 x

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！