【原】如何高效學(xué)習(xí)GWAS分析

育種數(shù)據(jù)分析 2021-11-18

展開全文

如何高效學(xué)習(xí)GWAS分析 _#2021.8.2

大家好，我是飛哥，今天隨便聊聊關(guān)于高效學(xué)習(xí)一個(gè)新事物。

工作了一天，開了半天的會，敲了半天的代碼，典型的周一呀！

話說前幾天我的公眾號關(guān)注人數(shù)超過了一萬，非常感謝大家的支持。我之前分享了一篇GWAS的電子書，閱讀量超過了1萬，歷史最高。這個(gè)1萬，那個(gè)1萬，感覺比2萬的金錢對我的激勵(lì)更大。

其實(shí)，GWAS分析之前我也沒有接觸過，因?yàn)轫?xiàng)目需要學(xué)習(xí)了一下，發(fā)現(xiàn)它和基因組選擇（GS）很像，都是利用LMM（混合線性模型）。學(xué)習(xí)的過程中，基本是查看軟件的說明文檔，運(yùn)行軟件的示例數(shù)據(jù)，然后操作下來，得到結(jié)果。但是有點(diǎn)悵然若失，總感覺根基不穩(wěn)，原理沒有弄清楚，有點(diǎn)虛。

于是，我就從簡單的T檢驗(yàn)，一般線性模型，logistic模型，混合線性模型開始看起，查看相關(guān)教程，編寫一些代碼去進(jìn)行驗(yàn)證我的理解。然后逐漸明白了GWAS分析的P值是怎么計(jì)算出來的，效應(yīng)值effect是什么東東，協(xié)變量是如何添加的，為何會有GLM模型和LMM模型。

在學(xué)習(xí)的過程中，我也有總結(jié)記錄的習(xí)慣。在理解一個(gè)概念后，我想把我的理解寫出來，想著可以幫助別人更快的理解相關(guān)概念。事實(shí)證明，確實(shí)如此。

因?yàn)榛ヂ?lián)網(wǎng)上，很多知識都很零碎，搜索起來諸多不便。而且因?yàn)镚WAS這個(gè)領(lǐng)域很小，懂得人懂了，不懂得還是不懂，很少有懂得人把懂得過程寫出來，幫助不懂得人在懂得道路上更快的懂。（話說這句話很繞）

所以，我就在公眾號上寫了一些筆記，開了一個(gè)GWAS的專輯，也在B站上更新了一系列視頻。

但是，我也有自己的憂傷：把已經(jīng)弄懂的東西，重新寫出來，總是很煩，這種煩就像寫好的代碼再寫注釋一樣的煩。所以教程斷斷續(xù)續(xù)，因?yàn)樘剿魑粗氖虑樽屓苏駣^，而回鍋舊知識總是讓人無味。

但是Flag已經(jīng)立下，所以咬著牙也要堅(jiān)持。

回到開頭，最高效的方法是什么？去做，去實(shí)踐，去上手操作！

如果有個(gè)教程，有數(shù)據(jù)，有代碼，有解釋，直接去操作一遍，有問題去查找答案，有疑問去解決疑問，這無疑就是最高效的方法。

無論是機(jī)器學(xué)習(xí)，還是神經(jīng)網(wǎng)絡(luò)，還是統(tǒng)計(jì)學(xué)習(xí)，還是GWAS學(xué)習(xí)。遺憾的是，這樣的教程很少。

所以，我才將我之前寫的GWAS學(xué)習(xí)筆記，編寫成GWAS的pdf教程，這樣對于新手，剛?cè)腴T的，想入門的同學(xué)有一個(gè)更快的、更高效的學(xué)習(xí)資料。

回頭看一下這個(gè)pdf教程，骨架基本有了，但是里面排版和內(nèi)容還有待補(bǔ)充。那就留到第二版吧。

領(lǐng)取方法：

總結(jié)：