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

K-mer分析-LMLPHP

  •  高杂合

K-mer分析-LMLPHP

  •  高重复

K-mer分析-LMLPHP

  最左出现的为测序错误峰。

05-02 14:55