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：
/ G; v0 {: [- I2 r- [  G8 ^& Q, d2 v; H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）？
! Z3 `: t0 c* i3 q( h3 P
9 b7 f2 l! m6 D9 I# l6 J+ o1 }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
8 x' V  t8 k1 {8 j, o3 k" `9 d$ l测序深度：测序的reads的总大小 /基因组大小，叫测序深度
& w8 \' ?4 i6 h" j6 r
之前，生物信息估计基因组大小的方法
- n7 }+ ]% \" h# I3 V4 j% F# y! E我的实验过程是这样的

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）
2 M) M2 [; @# S9 P! _! e9 X4、作深度与深度的频数的图
8 z! F) {# e7 {# j
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）

2 W0 @0 k! A- O5 a9 Z5 L" g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？
2、能否区分出基因组中重复的区域？

6 ~* \+ H" r" x! o- t* T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，
. H8 z7 W7 a# K% p! s8 O1 t9 X; ?1、这个可以用数学公式表示吗？
2、能否区分出污染的数据？
1 K3 ?  a) [% X
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）

( c, |: g4 \9 E, u2 d
: b" ?/ P& q1 v, M# T% L" z自我介绍
2 S  q; ]6 z3 E9 r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，
0 O# ^$ G1 X3 A$ ~我的邮箱是：jingyc01@163.com，qq是51178182
: r; ]$ }) N: C! [
5 g' s, y% v5 v
, {+ |' V' Y/ j4 j) O( G" I

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！