0. 基本参数
基因组大小：G
Read读长：L
总Read条数：n_r
1. 碱基深度分布
单条Read测序覆盖到某一个碱基的概率：L/G
因为L/G很小，n_r很大，每个碱基覆盖深度服从泊松分布。
则每个碱基的覆盖深度的期望为：d_n=(L/G)*n_r
2. K-mer深度分布
假设基因组对K是unique的，可以得到G个不同的K-mer。
单条Read测序覆盖某个K-mer的概率：(L-K+1)/G
同样因为(L-K+1)/G很小，n_r很大，每个K-mer的覆盖深度服从泊松分布。
则每个K-mer的覆盖深度的期望为：d_k=((L-K+1)/G)*n_r
3. 通过K-mer分布估计基因组大小
可知总K-mer个数：n_k=(L-K+1)*n_r
通过统计K-mer分布可知K-mer深度期望：d_k=((L-K+1)/G)*n_r
则基因组大小：G=n_k/d_k
4. 碱基深度分布与K-mer深度分布的关系
d_n/d_k=L/(L-K+1)
5. K-mer深度分析工具
软件：KmerFreq_AR_v2.0
来源：SOAPdenovo2工具包，ftp://public.genomics.org.cn/BGI/SOAPdenovo2
命令： ./KmerFreq_AR_v2. -k -t -c - -p test test_read.lst >kmerfreq.cout >kmerfreq.cerr
6. 常见K-mer分布
- 正常
- 高杂合
- 高重复
最左出现的为测序错误峰。