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。