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）？
3 M8 O9 C; Y! s, L
概念解释：
! c% G9 P) R+ s/ E, b  d% ~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
4 M3 U9 W' W; `* H6 F7 Q测序深度：测序的reads的总大小 /基因组大小，叫测序深度

+ Q6 h2 I  {; |/ p, Z. p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 i: |  Z  r/ D8 ]7 W: r6 X1 P! Y
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）
! {9 G9 F8 T2 v# w' V8 G$ V3、统计相同深度出现的次数（叫深度的频数）
/ `* T) t* x0 t8 x; y. B; @4、作深度与深度的频数的图
) R# Z) g4 L/ @! _0 z) I
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）
. h- K: O$ b0 |7 U
) `6 V( A+ B7 L6 o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？
! I: s0 l. W5 v1 n2、能否区分出基因组中重复的区域？
# _' ?8 P# J$ k- X; W
- ?/ A" d. F- I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，
! S0 l( x% @0 y  j4 w3 B& h4 D% E0 p1、这个可以用数学公式表示吗？
3 [* x2 }% Y+ i$ C4 f2、能否区分出污染的数据？
, k' K" R0 S/ P% t
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）

  G: K6 o9 q0 l" |, N  h. R
" V5 [& j/ t1 y2 l2 v' `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。

希望得到数学同志们的帮助，
/ n! t; l3 n6 c我的邮箱是：jingyc01@163.com，qq是51178182
7 y& s" N; b; E2 }- r; Q1 o1 B
) o( k) q% [9 X% V% l5 J0 `7 N9 M

7 i" s- S2 M) f/ h

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！