在一个简单的突变过程中,参数化同步数的统计数据没有假匹配

科学领域:

• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学
• 基因组学就是基因组学.

背景情况:

• 生物信息学经常使用概要草图来分析下一代测序数据.
• 大多数现有的草图方法缺乏彻底的统计理解.
• 布兰卡等人以前的工作. 在一个简单的突变模型下,分析了完整的k-mer草图,以估计进化距离 (θ).

研究的目的:

• 将完整草图的统计分析扩展到参数化的同步草图,并进行下采样.
• 开发使用同步计数来估计进化距离和序列长度的方法.
• 为序列分析提供统计保证和假设测试能力.

主要方法:

• 使用了简单的突变模型 (独立的核酸突变,没有插入/删除).
• 应用了参数化的同步器草图,并采用了下方采样来分析序列.
• 为了估计参数,为同步计数衍生了近似的高斯分布.
• 开发了基于同步计数的序列长度比较的p值测试.

主要成果:

• 仅仅通过同步计数,就可以获得大致的高斯分布来估计点突变参数 (θ).
• 同步计数还为估计突变序列长度提供了近似的高斯分布.
• 这些方法允许以已知的采样错误估计 θ 和序列长度.
• 结果提供了对同步器计数Mash容纳指数采样误差的见解.

结论:

• 大致的高斯分布使得假设测试和对基系距离和序列长度的置信区间成为可能.
• 开发的方法提供了一种统计学上合理的方法,用于用syncmer草图分析测序数据.
• 这些发现很可能可以将其推广到其他草图方法中,并有利于阅读组装和相关应用.