K-mer分析

0. 基本參數

　　基因組大小：G

　　Read讀長：L

　　總Read條數：n_r

1. 鹼基深度分布　　

　　單條Read測序覆蓋到某一個鹼基的概率：L/G

　　因為L/G很小，n_r很大，每個鹼基覆蓋深度服從泊松分布。

　　則每個鹼基的覆蓋深度的期望為：d_n=(L/G)*n_r

2. K-mer深度分布

　　假設基因組對K是unique的，可以得到G個不同的K-mer。

　　單條Read測序覆蓋某個K-mer的概率：(L-K+1)/G

　　同樣因為(L-K+1)/G很小，n_r很大，每個K-mer的覆蓋深度服從泊松分布。

　　則每個K-mer的覆蓋深度的期望為：d_k=((L-K+1)/G)*n_r

3. 通過K-mer分布估計基因組大小

　　可知總K-mer個數：n_k=(L-K+1)*n_r

　　通過統計K-mer分布可知K-mer深度期望：d_k=((L-K+1)/G)*n_r

　　則基因組大小：G=n_k/d_k

4. 鹼基深度分布與K-mer深度分布的關系

　　d_n/d_k=L/(L-K+1)

5. K-mer深度分析工具

　　軟件：KmerFreq_AR_v2.0

　　來源：SOAPdenovo2工具包，ftp://public.genomics.org.cn/BGI/SOAPdenovo2 

　　命令： ./KmerFreq_AR_v2.0 -k 17 -t 4 -c -1 -p test test_read.lst >kmerfreq.cout 2>kmerfreq.cerr 

 6. 常見K-mer分布

• 　正常

• 　高雜合

• 　高重復

　　最左出現的為測序錯誤峰。