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）？

概念解释：
( c0 S* Z3 D( u6 Mreads：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
& f0 @& H' M2 h2 S4 t$ {. W$ X测序深度：测序的reads的总大小 /基因组大小，叫测序深度

' b% b% v9 C, r) }; K- N之前，生物信息估计基因组大小的方法
& p5 i( b5 j* I我的实验过程是这样的

9 e1 F% \& u+ s+ 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
7 x/ ~8 r7 q4 V6 G2、统计相同K-mer出现的次数（叫K-mer的深度）
8 b% Q& _- B3 t9 f2 ]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
: u8 }4 G: |% e  y$ J; V2 T+ C
1 c3 B8 r) b( |: o7 `# x5 L, i9 n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）

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。
/ Y3 v- b" ~, q, o( q那么，
8 _1 {( z! u& n8 f8 S$ L1、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？
6 h# s0 R. |8 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。
) s. {3 e# A& X那么，
% d! y. S- o* [5 t' \- k4 e- G1、这个可以用数学公式表示吗？
: \6 b$ B4 X. Q( W2、能否区分出污染的数据？
$ x. Q- l2 l+ q) k& ?3 s
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）

* X7 O9 x- n  y
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。

9 X" b# E9 j7 S. g2 Z8 B8 y希望得到数学同志们的帮助，
/ a! I9 g3 g- h0 A6 |我的邮箱是：jingyc01@163.com，qq是51178182
! U/ z3 ?. R9 H; K2 T0 I9 `

1 d* k' K8 D5 B
: V1 ?" d  E! x8 u5 a

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！