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 u& A3 Q6 a4 i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）？

( b4 e7 h) ~9 k1 t8 T( L# ~5 t9 W概念解释：
% O" _3 L8 }+ K+ v" j  k7 Z% k) Oreads：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
2 i- w8 U$ X. a: A1 o4 B  c! O
* b2 T+ o5 B4 r* k5 g+ \) C# ~6 z2 W; F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
, G! s3 Q: B' X7 `
9 W' }5 [0 I* `% S0 _# }" [9 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
( H8 q& z7 m9 A% c* S- |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）
2 ^, C0 {! L  g4 ?  R4、作深度与深度的频数的图

/ H- }' X% t! \/ `8 E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）

) J  |# U& I- K+ v我的问题：
: A& i) e) {6 F& m+ H+ P5 K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？

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。
& c: x. \  T' o7 t6 x那么，
7 O5 B& w' P% b1 c4 W1、这个可以用数学公式表示吗？
5 X9 v) M. C  _7 u2、能否区分出污染的数据？

, s) W9 Q2 ]' v/ s: t# G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）
. u6 I; E& _( S$ g
1 R0 }4 w$ {' O& M# N! I7 d
; l" n/ t0 N$ P2 F8 s' N3 j自我介绍
0 k' g3 N$ H' v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。

$ `2 o4 `# E' ?: [2 y) B! d8 y5 {希望得到数学同志们的帮助，
, x- }/ N* D% ~: a6 Y/ p# h& Q我的邮箱是：jingyc01@163.com，qq是51178182


7 {! p* L8 j8 i4 Y7 S

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！