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：
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）？
$ P9 {. G1 u% G" {
$ `) g2 c+ d! }概念解释：
2 L7 I( f' Z: S7 rreads：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
1 ~6 E1 ?( R) y" W( v测序深度：测序的reads的总大小 /基因组大小，叫测序深度
1 O- i' A( H$ I2 N" \; Q
  Q# H, x( O# S( t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

5 J4 N2 m  ~4 T  \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）
9 A( f: A' C, v1 K4、作深度与深度的频数的图

: j% ?4 Y" D4 L" B5 e' @, n3 _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）

% o. Y( M+ r$ e8 l0 h$ C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 B# b# G; X$ H- Q7 A1、这样的图是符合什么数学公式了？
& [  Q* t# J5 N5 |$ c2、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。
那么，
1、这个可以用数学公式表示吗？
2、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）
( J% g9 }! Z. j8 W: }) C! Y3 P/ E4 q

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。
/ P7 N1 L5 r4 K# B6 Y4 a( C' ^" d( g
1 j% c9 h& v; Y+ B希望得到数学同志们的帮助，
我的邮箱是：jingyc01@163.com，qq是51178182
7 v; ^, t! p' y$ b  F/ K0 j6 c* h3 ^- h

! ~1 W+ x* \$ H* L1 B4 X4 f. y

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！