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：
$ u3 d3 F3 a' C8 M& Q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）？

) P. f4 ]: A4 h$ }概念解释：
8 u0 I$ p7 F- N/ v& _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
  _9 w7 I) E5 f测序深度：测序的reads的总大小 /基因组大小，叫测序深度
3 l0 W8 R9 S5 v8 Y
! m- }1 A# d7 Z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
4 [# J# M( o1 r+ Z/ B- J
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）
& b  D4 K0 Q: e1 X5 h5 n5 B) U* X3、统计相同深度出现的次数（叫深度的频数）
. `( r0 q4 P) q! O* H, g' c& O  n# @4、作深度与深度的频数的图
  _9 x8 T! D, K
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：
5 W# l" h- r1 m7 H! p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。
那么，
$ E5 D1 F" X4 S, e1、这个可以用数学公式表示吗？
6 H. o% @% z- J$ o2、能否区分出污染的数据？
& y2 K0 `2 l! X& z9 _: T
3 S+ N! @( y$ o9 _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）


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，
我的邮箱是：jingyc01@163.com，qq是51178182
1 K8 E' G* w# ^  j$ `0 O
+ Y/ i0 f+ i/ d" \1 b

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！