宏基因组学鸟枪测序的概率分析

基因组测序是许多现代生物学和医学研究的基础。随着近期技术进步，宏基因组学已成为一个引人关注的问题。该问题涉及来自不同来源的多个 DNA 序列的分析与重建。鸟枪基因组测序通过将长 DNA 序列打断为称为读段的较短片段来工作。给定该读段集合，人们希望重建原始的 DNA 序列集合。对于宏基因组学中的实验设计，理解可靠重建所需的最小读长如何依赖于所涉及基因组的数量和特征十分重要。利用针对每个 DNA 序列的简单概率模型，我们分析了长度为 N 的 M 个基因组集合的可辨识性，在 N 趋于无穷且 M 可随 N 增长的渐近 regime 下。我们的第一个主要结果给出了关于 M 和 N 的阈值，使得若读长超过该阈值，则一个简单的贪心算法以趋于 1 的概率成功重建整个基因组集合。我们的第二个主要结果建立了关于 M 和 N 的下阈值，使得若读长短于该阈值，则以趋于 1 的概率不可能重建整个基因组集合。