《生信与机器学习兴趣小组》第七次分享讨论/打卡贴
source link: https://ming-lian.github.io/2019/09/03/Bioinfo-ML-Club-7th/
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
《生信与机器学习兴趣小组》第七次分享讨论/打卡贴
非常感谢明哥一次次的精心准备与分享！！！
1.1.1用泊松分布建模测序深度与测序覆盖度的关系
设定序列长度为G，读数数目为N，读长为S，测序片段数目为N，落在L中的序列数目为D，D符合重复N次的，平均值为L/G的二项分布，D~（N，L/G）。
若设定L=S，则D=最后一位碱基覆盖的次数（假定序列的起始点落在该区域视为序列落在该区域），则平均值为S/G。当二项分布N→无穷，概率S/G→0。
测序深度
每个碱基被测到的次数
测序覆盖率
被测到至少1次的碱基的数目和全部碱基数目的比值，可以视为任一碱基位点覆盖的概率。
1.1.2用Kmer图评估基因组的重复率和杂合率
按照Kmer频率为横坐标，密度为纵坐标作图。
K-mer的频率=L-K+1，当中间的峰两侧（频率为2倍的位置）有峰，则证明有重复或者杂合。
1.1.3基因组拼接算法：de Bruijn图的构建与搜索欧拉路径
拼接算法：1OLC overlap；2graph。
图论的问题是有节点有边的问题，如七桥问题，如何找到欧氏路径：每座桥只走一次，最后回到出发点。
算法：随机游走的蚂蚁。1随机取得起始点（如果选的不好容易形成局部最优），确认一条欧氏路径2从原来的欧氏路径中包含其它分支路径的点之中，随机选择一个，再次寻找欧氏路径。3不断重复前两步，直到找到最好的欧氏路径。
1.1.4
根据mapping结果，确定突变位点的碱基。
设定D为比对结果，g为实际基因集。设定g1为一致纯合，设定g2为不一致纯合，g3为不一致杂合。
max[P（g1|D）；P（g2|D）]，
P（g1|D）=连乘K次（对的概率）连乘L次（错的概率）
L：reads总数；k：与参考序列一致的reads数；L-k：与参考序列不一致的reads数；m：倍性（人类为2倍体）。
A的概率=连乘（P（测得对）+P（测得错））=（1-ε）g/m+εg/m。
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK