泊松分布与WGS组装问题.ppt

泊松分布与WGS组装问题 樊伟 二项分布 (Binomial Distribution) 在每一次试验中，都有两种互斥的结果，如成功和失败。每一种结果在每次试验中都有恒定的概率，设成功的概率为?。每次试验之间是独立的，互不影响的。求在n次试验中一种结果(如成功)出现x次的概率？ 泊松分布 二项分布中，如果?非常小，并且n非常大，则成为泊松分布。 WGS测序 WGS (Whole Genome Shotgun)测序，就是一个天然的泊松分布过程，包括碱基深度分布，Kmer深度分布，以及reads duplication rate等问题，均可以用泊松分布来解释。 组装过程中的contig个数，contig平均长度等问题，亦可根据泊松分布来进行推导，这就是Lander-Waterman model理论。 碱基深度问题 符合二项分布： 设基因组大小为G, 假定每次试验可从基因组任何位置上随机产生一个碱基。对于基因组上某一个固定碱基位置，在一次试验中，该位置被命中的概率为? (? =1/G)。我们将试验重复n次，相当于产生了n个碱基(n=c*G, c为coverage)。碱基的深度分布，相当于求该位置被命中0次，1次，…,n次的概率各是多少? 符合泊松分布： 1/G非常小，c*G非常大。 拓展开来 Kmer的mapping，符合泊松分布。理解Kmer分布，是理解Kmer de bru