中文生信 Wiki

面向入门学生，按研究问题查概念、理解算法、选择流程并完成实践。

建议从这里开始

• 中文生信学习地图：了解前置知识和阅读顺序。
• 全类型变异检测总览与证据地图：按输入、平台、倍性和类型选择检测分支。
• 变异检测分型与提取学习路线：小变异、SV、CNV/PAV、重复及按类型/区域/样本提取。
• 变异注释与功能解释学习路线：基因模型、后果提取和候选证据。
• 生信缺口清单与维护优先级：查看仍需完善的真实数据与专业软件闭环。
• R与Python生信编程入门路线：从运行脚本、样本表和缺失开始。
• bulkRNA-seq分析与实践路线：从真实计数学习配对、DESeq2和结果诊断。
• 组学分析方法学习路线：逐类理解模型、算法与证据。
• 群体遗传学分析学习路线：多样性、分化、祖源、近交、选择与历史。
• 测序技术与PCR学习路线：PCR、各代测序、建库和质控。
• 统计学与组学验证学习路线：从基础检验进入跨组学验证。
• 生信基础算法学习路线：查找、图、动态规划、聚类与优化。
• 群体分析与GWAS学习路线：沿熟悉的主线进入分析。
• GWAS软件选择与比较：按场景选模型，进入各软件详解。
• GS算法软件与实践路线：算法、六种软件和候选预测实践。
• 组学分析总览与选型：按测量对象选择组学流程。
• 关键词索引：搜索中文名、英文名和缩写。

可以立即运行的练习

• 人工长读长贯通SV调用与评估：实际Sniffles/Truvari、群体缺失与格式问题。
• 官方TRGT小数据贯通重复分型：固定官方微型输入、长度和motif字段。
• 人工VCF贯通变异分类与提取：bcftools分类、标准化、子集、掩蔽与人工小变异调用。
• 人工基因贯通区间注释与后果提取：SnpEff序列检查、bedtools和多ALT后果。
• 从FASTQ到比对检查与变异调用：minimap2、samtools和bcftools人工实测。
• 最小注释工作流与Snakemake恢复：首次运行、无变化重跑与缺失交付表恢复。
• 同一份样本表贯通R与Python：八个样本、按ID合并、保留缺失和核对均值。
• 公开airway数据贯通DESeq2：原生R、真实公开计数、apeglm和效应阈值。
• 人工数据贯通群体遗传统计：多样性、描述性分化、LD与中性漂变。
• 人工区间贯通测序指标：重复、双端重叠、覆盖、Phred和N50。
• 合成数据贯通统计推断：基础检验、重采样、FDR与供体反例。
• 基础算法可复现练习：六类人工算法与结果核验。
• 合成数据贯通PCA与GWAS：120 样本、600 位点的实测示例。
• 公开小鼠数据贯通多软件GWAS：四个软件、七种配置的公开数据案例。
• 合成家系数据贯通GS：GBLUP、家系验证与60个候选预测。
• BLAST原理与种子延伸：用人工字符串理解启发式与精确比对。

其他流程分别提供官方公开数据和实践入口，并注明文档核对与实际运行的区别。

学习路线（16）

• GS算法软件与实践路线：从育种值和验证设计出发，连接GBLUP、贝叶斯模型、单步法与六种软件指南。
• GWAS软件选择与比较：先根据性状、样本相关性、物种和数据规模选择模型，再选择能够实现并验证它的软件。
• R与Python生信编程入门路线：先用同一份小表学会运行、索引、清理、合并和绘图，再进入具体生信包。
• bulkRNA-seq分析与实践路线：从样本设计和计数来源出发，完成基因层面差异分析，再进入解释与验证。
• 中文生信学习地图：从问题、数据和检查点进入生信，按需要跳转到概念、算法、组学流程及实践。
• 全类型变异检测总览与证据地图：先按数据与研究场景分流，再沿发现、分型、评估、提取和解释完成各类DNA变异分析。
• 变异检测分型与提取学习路线：先区分发现、分型与结果提取，再按变异类型和测序场景选择方法。
• 变异注释与功能解释学习路线：把已经得到的变异转换为可审查的基因、转录本、后果和候选证据表。
• 测序技术与PCR学习路线：从PCR、文库和信号读出理解测序，再按目标选择技术、数据和质量检查。
• 生信基础算法学习路线：先理解数据结构与复杂度，再学习查找、距离、图、动态规划、聚类和优化。
• 生信缺口清单与维护优先级：用研究任务和可核验产物安排补写顺序，避免目录完整却缺少实际操作。
• 组学分析总览与选型：先明确测量对象和研究问题，再选择输入、模型及可以支持的结论。
• 组学分析方法学习路线：按测量层、估计目标、统计模型和证据组织组学方法，而不是按软件列表学习。
• 统计学与组学验证学习路线：从数据与概率进入检验和模型，再按组学任务安排技术、独立样本与功能验证。
• 群体分析与GWAS学习路线：从基因型编码和样本审计出发，依次完成群体探索、关联分析和证据解释。
• 群体遗传学分析学习路线：从频率和可检测位点进入多样性、分化、祖源、近交与历史，区分描述与过程推断。

术语与概念（82）

• ASV与微生物多样性：ASV 是扩增子分析中的序列特征，群落多样性指标则从不同角度概括样本内和样本间差异。
• CDS阅读框密码子与剪接位点：编码序列要按转录方向拼接后解释；CDS边界、阅读框和剪接位置共同决定预测后果。
• DNA与RNA样本质量及建库偏差：浓度、完整性、纯度和可用分子数不同，建库进一步改变可观测对象。
• FASTA与FASTQ：FASTA 保存序列及标题，FASTQ 还保存逐碱基质量信息，二者服务于不同分析阶段。
• GFF3GTF与基因转录本外显子：理解基因注释文件中的层级和区间，才能把变异正确映射到转录本。
• GVCF联合分型与参考置信度：GVCF保留参考置信信息，合并中间文件与联合决定群体基因型是不同步骤。
• Hardy-Weinberg平衡与检验：HWE描述理想化随机结合条件下的基因型比例，偏离检验是诊断线索而不是自动删除规则。
• LOCO与近端污染：LOCO在检验某条染色体时把它排除出背景遗传表示，以减少局部信号被背景模型吸收。
• MAF与MAC及稀有变异：频率描述相对比例，等位基因计数描述实际信息量；低频位点需要同时审查样本与统计近似。
• N50组装连续性与完整性：N50描述长度加权连续性，不能单独证明组装正确、完整或无污染。
• P值效应量与多重检验：P 值衡量特定零假设下的数据相容性，效应量描述差异大小；大量检验需要额外控制错误。
• RNA效应收缩与阈值检验：稳定效应估计、检验零效应和检验超过预定阈值，是三个需要分别报告的任务。
• RNA文库大小因子与组成偏差：归一化需要处理文库尺度与组成差异，但不能从相对计数自动恢复绝对RNA总量。
• RNA设计矩阵配对与对比方向：设计矩阵把样本信息变成模型列，对比定义了究竟要比较哪两个状态。
• RT-PCR实时PCR与数字PCR的区别：逆转录、实时检测和数字分区描述不同环节，RT不能默认解释为实时。
• SAM与BAM及CRAM：SAM、BAM 和 CRAM 表达序列比对记录，坐标排序、索引和参考资源决定很多下游操作能否正确进行。
• SNP与基因型是什么：SNP 描述单碱基位点的变异，基因型描述某个体在该位点携带的等位基因组合。
• SNVIndelMNV与复杂变异：变异类型依赖序列变化与表示方式，VCF一行不一定只含一种替代等位基因。
• STR重复扩增与移动元件插入：串联重复长度变化与移动元件插入具有不同的证据和输出，不能一律当普通Indel。
• UMI与细胞条形码：细胞条形码帮助区分测量单元，UMI 用于识别分子标签；二者不是同一类标识符。
• VCF与基因型编码：VCF 以位点为记录，保存参考与替代等位基因，以及每个样本的基因型和其他字段。
• VCF中的SVTYPEEND与BND：结构变异的类型、跨度、断点和伴随记录需要联合解释，不能只读POS或ALT长度。
• VSTrlog与样本距离：方差稳定变换用于观察样本结构，计数模型的检验输入仍应保持原来的计数语义。
• Wald似然比与得分检验：不同检验从参数、似然改善或零模型局部变化评估证据，软件输出的P值必须注明检验类型。
• 串联重复STRVNTR与中断：串联重复需要同时描述单元、总长度、次数与组成，不能只用一个长度标签概括。
• 二分类性状OR与病例对照不平衡：二分类关联需要核对标签、病例与对照中的等位基因计数，以及模型是否能处理稀疏和相关样本。
• 亲缘关系与遗传关系矩阵：样本之间的遗传相关性可以用矩阵表达，但不同估计量的尺度和假设需要分别说明。
• 从DNA到RNA和蛋白质：区分基因、转录本和蛋白质层级，是理解不同组学测量对象和标识符的起点。
• 低深度基因型似然与剂量：覆盖不足时应保留基因型不确定性，避免把不可靠的硬分型当成确定观测。
• 体细胞VAF纯度污染与PoN：低样本内等位比例、低群体频率和低突变细胞比例不是同一个量。
• 关联模型中的协变量与残差：协变量定义调整后的比较，残差描述模型尚未解释的部分；二者都不能靠机械添加代替研究设计。
• 单端双端读长与插入片段：双端是读同一片段两端，片段长度决定重叠和间隔，PE150不等于连续300碱基。
• 参考基因组与注释版本：参考基因组给出坐标与序列，注释说明基因等要素的位置；分析必须记录二者的具体版本。
• 变异发现联合分型与缺失状态：发现候选、在统一位点估计基因型和拼接文件，是不同的数据处理任务。
• 变异后果标签与影响等级：后果标签描述相对注释模型的预测，影响等级用于分类，不能当作功能强弱的测量值。
• 变异质量基因型质量与等位平衡：位点证据、单个样本的分型置信度和等位支持比例是不同层级，不能互相替代。
• 同源正交旁系与基因家族：序列相似可以支持同源推断；把其他物种的功能转给候选基因还需要区分物种分化、复制和家族历史。
• 基因标识符与同源基因：基因符号、稳定标识符和跨物种同源关系表达不同信息，映射时必须记录来源与版本。
• 基因组坐标与区间：坐标必须同时带有参考版本、序列名和端点规则，格式转换不能只改文件扩展名。
• 基因组选择与GWAS的区别：GWAS寻找统计关联，GS预测遗传价值；两者可以结合，但验证目标不同。
• 复杂重排与BND事件图：用片段与连接关系描述复杂结构，避免把若干BND行简单当成若干独立变异。
• 多倍体基因型与等位剂量：倍性决定可能的基因型状态和剂量范围；二倍体默认设置不能直接推广到所有物种或区域。
• 定相与基因型填充：定相推断等位基因位于哪条单倍型，填充推断未观测基因型，两者都需保留不确定性。
• 实验设计与统计功效：实验设计决定哪些问题能被回答；功效是指定效应与检验条件下发现信号的概率。
• 峰与FRiP及TSS富集：峰是相对背景具有信号富集的区域，FRiP 和 TSS 富集用于从不同角度评价部分染色质测量。
• 常见概率分布与生信场景：按观测类型和生成假设理解分布，避免给所有组学数据套同一个正态模型。
• 引物扩增子与特异性：引物决定扩增起点与目标范围；扩增子是产物，不自动等于唯一目标分子。
• 批次效应与混杂：批次效应来自技术过程；当批次与研究分组重合时，数据可能无法区分两者的影响。
• 抽样分布中心极限定理与标准误：统计量会随样本改变；标准误描述这种变动，中心极限定理有适用条件。
• 拷贝数基线非整倍体与LOH：相对深度、总拷贝数和等位特异状态回答不同问题，解释前先确定基线。
• 描述统计与分布图：用位置、离散程度和图形描述数据，同时区分个体差异与估计精度。
• 数据类型总体样本与抽样：先确定观测单位、变量类型和抽样来源，再决定统计问题与推广范围。
• 文库接头索引与条形码：文库是可进入测序的分子集合，接头、样本索引和UMI各有不同作用。
• 断点置信区间与事件方向：SV位置可能是估计范围；连接的两端、方向和参考表示共同决定事件含义。
• 有效群体大小漂变与近交：有效群体大小描述特定遗传过程的尺度，不等于当前个体普查数量。
• 概率条件概率与贝叶斯定理：区分事件概率和条件概率，理解贝叶斯公式怎样结合先验与观测证据。
• 正负链坐标与转录方向：基因组坐标沿参考序列编号，负链转录本沿相反方向读取；两套表示必须分清。
• 比对相似性同源性与覆盖率：比对是建立位置对应，相似性是可度量的观察，同源性是关于共同演化来源的推断。
• 泛基因组与参考偏差：单一参考只代表部分序列状态；缺失于参考的序列和复杂结构可能需要多参考或图表示。
• 测序产量有效数据与成本口径：分开计量读段数、碱基量、可用分子覆盖和交付成本，避免数量级混淆。
• 测序深度覆盖度与质量分数：深度、覆盖范围、碱基质量和比对质量衡量不同问题，不能用单个平均数替代整体质控。
• 测序错误重复偏差与嵌合体：错误、重复和偏差影响不同层面，更多读段无法自动修正系统性问题。
• 点估计偏差方差与一致性：区分估计量的系统偏离、抽样波动和样本增大时的行为。
• 独立过滤低计数与结果NA：预过滤、独立过滤和异常计数处理发生在不同环节，结果中的NA必须按原因解释。
• 生物学重复与技术重复：生物学重复体现独立生物单位的变化，技术重复衡量同一材料的测量变化。
• 碱基识别质量值与一致性序列：碱基识别把平台信号转为序列；一致性序列利用多次证据，质量仍是模型估计。
• 等位基因频率杂合度与核苷酸多样性：频率、杂合度和π采用不同单位与分母，不可只看SNP集合而忽略可检测位点。
• 线粒体叶绿体与异质性：细胞器基因组的拷贝、混合比例和遗传密码表需要单独处理，不能照搬核基因组二倍体解释。
• 结构变异CNV与PAV：SV描述结构改变，CNV关注拷贝数，PAV关注规定单位中的存在或缺失；三者可以交叉。
• 缺失值与零值：零值是已记录的数值，缺失表示没有可用观测；把二者混用会改变统计问题。
• 置信区间与重采样：置信区间描述估计精度；重采样必须尊重独立单位和研究设计。
• 群体结构是什么：群体结构描述样本之间并非完全均匀的遗传差异模式，分析前需要同时排查技术来源。
• 育种值GEBV准确度与可靠度：区分加性遗传价值、预测表型、表型相关、真实育种值准确度和基于PEV的可靠度。
• 计数丰度与标准化：原始计数、相对丰度和变换后的数值对应不同问题，模型输入必须与其假设一致。
• 负二项离散度与均值方差：负二项模型允许计数的方差超过均值，用离散度描述重复之间的额外变异。
• 转录本选择与代表注释：代表转录本让报告更简洁，但筛选规则应与研究组织和问题相符，并保留完整注释供回查。
• 连锁不平衡与LD剪枝：连锁不平衡描述位点等位基因之间的非随机关联，LD 剪枝用于减少所选位点集合中的冗余。
• 选择中性模型与群体历史：选择是众多改变遗传模式的过程之一，扫描需要与漂变、迁移和历史替代解释比较。
• 链特异性与RNA测序方向：链特异性保存RNA来源方向，R1/R2与原始RNA的关系由建库布局决定。
• 随机变量期望方差与协方差：用随机变量描述不确定测量，区分均值、变异、共同变化和独立性。
• 零模型与方差组分：零模型描述没有当前待检验位点效应时的背景；方差组分表示模型中不同变异来源的规模。
• 频率学派与贝叶斯推断：理解两种推断怎样表达参数不确定性，避免把置信区间、后验概率和P值混读。

方法与算法（66）

• BLAST原理与种子延伸：BLAST 是序列局部相似性检索的启发式方法族；理解种子、延伸和统计评估比只记命令更重要。
• CNV深度校正分段与拷贝数估计：覆盖信号需经过基线、偏差校正和分段，log2比值与绝对拷贝数不能直接画等号。
• DNBSEQ测序与滚环扩增：DNBSEQ用环状模板产生DNA纳米球，纳米球制备与前序文库PCR应分别理解。
• FST与群体分化估计：FST依赖估计量、群体权重和位点集合，多位点汇总不能默认平均每个位点比值。
• FarmCPU与BLINK原理：FarmCPU与BLINK通过迭代选择背景位点帮助检验其他位点，背景选择本身也是分析方法的一部分。
• GBLUP与rrBLUP原理及实现：用同一套中心化、固定效应与方差缩放，连接个体GBLUP和标记岭回归。
• GS中的REML混合模型方程与求解：区分方差组分估计、给定参数的BLUP求解和大规模关系矩阵近似。
• Illumina合成测序与簇信号：Illumina通过簇上合成与循环信号读出序列，化学和簇生成方式因产品而异。
• LD衰减与遗传距离分析：LD随距离的模式取决于频率、群体、分相和测量方式，物理距离不等于遗传距离。
• Nanopore测序与直接RNA：Nanopore根据分子过孔电信号识别序列，原生DNA、cDNA和直接RNA是不同路线。
• PCA原理与实现：主成分分析寻找解释数据变化的正交方向；输入矩阵的定义和尺度直接影响结果。
• PCR与扩增基础：PCR利用引物和聚合酶扩增目标区域，扩增拷贝不等于新增独立信息。
• PacBioSMRT与HiFi测序：PacBio记录单分子实时合成，HiFi利用同一环状模板多次通过形成高准确共识。
• RNA交互作用与LRT比较：复杂设计需要明确主效应、交互和整体模型比较各自检验的问题。
• RNA计数模型差异表达与效应收缩：差异表达同时依赖计数生成、归一化、离散度和设计，效应收缩与显著性检验是不同环节。
• SV事件匹配与一对一评估：先规定区域、类型、断点和序列相似性，再进行匹配与计数。
• SV合并匹配与群体再分型：跨样本整理SV需要定义事件相似性，再分型与缺失处理决定群体矩阵是否可信。
• Sanger测序原理与峰图判读：链终止产生不同长度产物，常见自动化读出转成峰图，混合信号需结合上下文。
• Smith-Waterman局部比对：Smith–Waterman 用动态规划找到给定打分规则下的最优局部比对，适合理解序列比对的精确基线。
• t检验配对设计与Welch检验：连续数值的均值比较先区分独立与配对，再确定方差和参考分布假设。
• 亲缘近交与ROH分析：相同基因型、共同祖先和纯合片段是相关但不同概念，近交估计需指定参考与可用长度。
• 代谢组注释定量与多变量分析：分子注释、定量质量、单变量差异和多变量预测需分别验证，分离图不等于可靠模型。
• 似然最大似然与MAP估计：用固定数据比较参数对观测的解释，区分最大似然、最大后验与数值求解。
• 假设检验与双侧单侧选择：先定义零假设、目标效应与错误率，再解释P值和未拒绝的含义。
• 分类指标ROC与PR曲线：分类评价同时考虑阈值、类别比例、错误代价和概率校准，不能只看AUC。
• 列联表卡方与Fisher精确检验：分类数据用计数表组织；独立、配对和抽样设计决定参考分布与效应解释。
• 动态规划与序列比对基础：把大问题拆成可复用的小状态，理解全局比对与局部比对的边界条件。
• 区间重叠最近基因与候选映射：区间操作回答位置关系；候选映射还需转录本、调控、LD和其他证据。
• 半导体测序与同聚物信号：半导体测序检测掺入相关离子信号，连续相同碱基的数量由信号推断。
• 单细胞差异表达与差异丰度：细胞类型内表达变化和细胞组成变化是不同目标，推断必须保留供体层级。
• 单细胞降维邻居图与聚类原理：从计数表示到邻居图再到聚类，特征选择、尺度和分辨率共同决定结果。
• 变异评估真值集合与可检测区域：评估变异应固定真值、可检测区域和匹配规则，再按类型、大小与基因型分层。
• 图与最短路径的生信入门：用节点和边描述关系，区分图连通、无权最短路径和分析工作流依赖。
• 多组学整合与潜变量模型：整合必须先定义样本对应与预测目标，潜在因子反映共同变化而不自动代表因果机制。
• 富集分析与GSEA：功能富集把特征列表或排序与知识集合连接，结论取决于背景、映射、排序和多重检验。
• 小变异检测的似然与局部组装：调用器利用有误差的reads评估候选等位和基因型，输出不是简单数不同碱基。
• 差异峰与差异甲基化方法：峰内计数、甲基化覆盖和区域汇总有不同生成过程，差异推断不能只比较有无峰。
• 广义线性模型与逻辑回归：广义线性模型把响应分布、条件均值和链接函数连接起来，适配二分类与计数等结果。
• 微生物组组成差异与多样性方法：相对丰度、样本距离和差异丰度模型有不同目标，测序量不等于绝对微生物量。
• 排序查找与哈希在生信中的应用：用查找坐标和统计短序列理解排序、二分与哈希的条件和成本。
• 数据泄漏与交叉验证：预测评估需要让测试数据保持独立，并在训练折内学习预处理和特征选择。
• 方差分析交互作用与对比：多个组和多个因素应写成明确模型；总体检验、特定对比和交互作用回答不同问题。
• 梯度下降与数值优化：优化算法减少明确目标函数，收敛条件、尺度和初值决定数值行为。
• 正则化过拟合与模型选择：惩罚和模型选择控制复杂度，但所有选择都必须与最终评价分开。
• 正态性方差齐性与模型诊断：诊断围绕模型误差和独立单位展开，避免用几个预检验自动决定全部分析。
• 相关回归与混杂：相关描述共同变化，回归在指定调整集合下估计关系；两者都不能单独建立因果。
• 短读长与长读长变异证据比较：比较平台时先比较可观察的证据和模型假设，而不是把软件名排成固定优劣顺序。
• 祖源推断与混合群体模型：祖源成分是特定数据和模型下的统计表示，K与颜色不自动对应真实历史群体。
• 秩检验符号检验与非参数方法：非参数方法仍有假设；先弄清检验针对排序、差值符号还是完整分布。
• 第二代测序原理与平台比较：二代常以大规模并行读出代表，平台差别在模板呈现、信号和读出方式。
• 算法输入输出复杂度与数据结构：从输入、输出、正确性和资源成本理解算法，为生信工具的性能与适用范围打基础。
• 系谱BLUP与单步ssGBLUP：单步法把系谱与基因组关系放进统一遗传评估，关键在关系基准、编号和分块一致。
• 线性模型与混合模型：回归把研究变量与协变量联系到表型，混合模型进一步表示样本相关性或层级结构。
• 组学批次校正与信号保留：校正和整合需要定义保留的生物学结构，混合得更均匀不自动意味着更正确。
• 组装比较共线性与变异方向：组装比较首先建立可对应的序列关系，再判断小变异、重排与未比对序列。
• 结构变异检测的读对分裂读段与组装：SV证据来自异常连接、覆盖和序列比较，不同证据能解析的类型与精度不同。
• 罕见变异负荷检验与SKAT：把多个低频变异组成预先定义的集合，可以检验基因或区域层面的关联。
• 置换检验与Bootstrap实践：Bootstrap近似估计量的抽样分布，置换构造零假设参考；两者必须尊重独立单位。
• 群体历史共祖与有效群体大小推断：历史推断是模型条件下的有效尺度估计，人口曲线不能直接当真实普查或唯一迁移历史。
• 群体结构与GWAS有什么关系：当遗传背景同时关联表型和位点频率时，简单关联可能混入群体差异，需要结合设计和模型处理。
• 聚类Kmeans与层次聚类：聚类寻找指定表示和距离下的结构；簇数、初始化和批次都会影响结果。
• 蛋白质鉴定FDR与差异丰度：谱图鉴定错误控制与样本间丰度差异是两类统计问题，肽段汇总和缺失需单独处理。
• 贝叶斯回归与核方法用于GS：不同先验改变标记效应的收缩方式；核模型通过相似性矩阵表达遗传预测结构。
• 距离标准化与相似性：距离反映你选择的尺度与关系，标准化会改变几何结构和后续聚类结果。
• 近邻朴素贝叶斯与决策树入门：用三种直观规则理解基础分类器，比较距离、条件概率与递归分割。
• 选择扫描与中性替代解释：不同扫描统计量检测不同模式，离群和显著都需与历史、结构及技术替代解释比较。

工具（69）

• ASReml基因组预测接口：用已知关系矩阵定义遗传随机效应，核对矩阵属性、缺失表型与预测量的区别。
• BGLR贝叶斯预测实践：用共同输入建立BRR基线，再比较BayesA/B/C、BL与RKHS，同时检查采样和预测量定义。
• BLAST本地检索实践：用本地数据库理解查询、数据库构建与结果字段，并将正式结论建立在覆盖率和统计解释上。
• BLUPF90单步遗传评估流程：从重编号与参数文件开始，组织方差估计、ssGBLUP预测和结果映射。
• BOLT-LMM关联分析：BOLT-LMM面向较大队列的混合模型关联，模型模式、样本适用性、参考资源与输出列需要同时核对。
• CNVkit深度分段与拷贝数解释：CNVkit通过深度参考与校正估计相对剂量，再分段和进行相应拷贝数解释。
• Clair3长读长模型与输入核查：Clair3结合pileup与完整比对信息进行长读长小变异调用，模型选择是输入准备的一部分。
• DELLY结构变异与群体分型：DELLY按模式利用结构与深度证据，候选合并后仍需逐样本再分型。
• DESeq2安装对象与结果提取：在匹配的R与Bioconductor环境中安装DESeq2，区分数据对象、模型拟合、对比和导出。
• DeepVariant模型资源与运行边界：DeepVariant的小变异调用依赖模型、候选生成和输入参考；固定运行环境也要固定模型来源。
• EMMAX关联分析与旧流程兼容：EMMAX是混合模型关联的经典实现，理解旧文件编码与顺序是复现已有分析的关键。
• ExpansionHunter位点定义与重复估计：ExpansionHunter按目标位点的序列结构估计重复，位点定义与证据范围决定可解释性。
• FreeBayes小变异与倍性设置：FreeBayes使用局部单倍型与概率模型调用小变异；倍性和混样假设需按样本声明。
• GAPIT多模型GWAS实践：GAPIT把多种关联与预测方法组织在R接口中；每次应明确模型、样本交集及输出，而不是把一键运行当成模型选择。
• GATK小变异检测与联合分型：用HaplotypeCaller生成样本参考置信证据，再用相应联合分型步骤得到群体小变异。
• GCTA与MLMA关联分析：GCTA包含多种遗传统计任务；MLMA使用稠密GRM做关联，不能与GREML或fastGWA模块混称。
• GEMMA线性混合模型实践：GEMMA以显式亲缘矩阵拟合关联模型，适合学习固定效应、背景相关性和检验方法的连接。
• HIBLUP基因组预测实践：按输入信息选择GBLUP或单步模型，区分方差估计与已知参数求解并检查缺失处理。
• Linux与项目目录实践：先学会识别路径、检查文本和保存日志，就能建立可追溯的最小分析项目。
• McClintock与xTea转座子检测选型：TE检测需同时固定参考、家族资源、平台与目标，不能仅把一段插入序列归类就结束。
• Notebook脚本与命令行运行：交互适合探索，完整脚本和从头运行帮助暴露隐藏状态并保存可复现步骤。
• PLINK2使用与版本管理：PLINK 2 用于基因型处理、PCA 和关联等任务；参数与默认行为需要绑定具体版本。
• PLINK2关联分析详解：PLINK 2的关联接口按性状拟合回归；正确读取性状、协变量、计数等位基因与错误码比记住一条命令更重要。
• Python变量容器循环与函数：先学变量、列表、字典、条件与函数，再用表格任务练习索引和缺失。
• Python统计分析与结果核验：用明确的数组、方向和参数调用SciPy，并通过手算关系与独立实现检查输出。
• Python读取清理与合并样本表：先保存样本ID和缺失含义，再按键合并，不能靠两张表行号相同推断对应。
• REGENIE两步关联分析：REGENIE先学习背景遗传预测，再结合按染色体留出的预测检验位点；两步文件、样本与性状必须保持对应。
• R与Python安装环境与编辑器：语言解释器负责执行，编辑器帮助写代码；先确认运行的是哪个环境。
• R与Python报错调试与求助：先找错误发生的语句、对象与输入，再建立最小复现，不反复盲改参数。
• R与Python绘图和统计入门：先画独立观测和缺失，再计算明确目标；图形、模型和生物学结论需要分别检查。
• R与Python路径文件与项目组织：项目根目录和当前工作目录决定相对路径，从找得到输入和输出开始组织代码。
• R包Python包与可复现环境：包安装到环境而非抽象的语言名称，先确认解释器、库位置和版本来源。
• R向量数据框索引与函数：先掌握向量、缺失、数据框和索引，理解R的向量化与因子编码。
• R读取清理与合并样本表：base R即可完成小表读取与匹配，关键是类型、NA、重复键和输出行顺序。
• SAIGE单变异关联分析：SAIGE先拟合零混合模型，再做单变异检验；二分类的SPA处理与样本相关性建模需要共同核对。
• STAR剪接比对与RNA比对指标：RNA跨外显子连接的reads需要剪接感知比对；参考、注释、链和比对统计一起核对。
• SVIMasm与dipcall组装变异选型：组装调用需要区分单倍型状态、比对可调用范围和工具所表达的变异类型。
• Salmon定量与tximport基因汇总：转录本定量、基因汇总及长度校正相互衔接，必须使用同版本转录本到基因映射。
• Snakemake规则配置与断点续跑：将输入、输出、参数和资源声明为规则，让工作流按依赖执行并明确需要交付的产物。
• Sniffles长读长结构变异实践：Sniffles相应模式从长读长比对发现SV，群体模式与已知位点分型需要不同输入。
• SnpEff自建数据库与后果解析：使用匹配的参考和基因模型建立本地数据库，验证CDS与蛋白，再解析ANN后果。
• TASSEL关联分析实践：TASSEL通过图形界面和命令行组织遗传数据与GLM/MLM分析，关键是理解taxa交集、固定效应与亲缘输入。
• TRGT重复分型与目录字段：TRGT从相应HiFi比对对目标串联重复分型；catalog、长度和motif字段应按原生定义读取。
• Truvari事件比较与评估参数：Truvari按明确的表示、区域和相似性规则比较SV集合，评估结果必须带着这些规则读取。
• VEP缓存离线注释与CSQ：VEP可使用本地缓存和参考FASTA完成后果注释；缓存、物种、组装与程序版本必须匹配。
• bcftools变异操作与表达式：bcftools处理VCF/BCF，安装环境、字段层级和表达式语义决定操作能否按预期执行。
• bedtools区间操作与坐标验证：用成熟区间工具核对重叠、最近距离和链方向，并明确输出的计数单位。
• cuteSV长读长结构变异与支持提取：cuteSV从长读长比对中提取和聚类SV信号，平台与过滤参数要随版本记录。
• fastGWA与fastGWA-GLMM：fastGWA利用稀疏关系和快速检验提高可扩展性；数量性状与二分类模块需要分别配置和核验。
• featureCounts基因计数与链方向：featureCounts按注释和分配规则把比对记录汇总为特征计数；计数单位和歧义处理必须记录。
• minimap2BWA与比对器选择：按reads类型、参考结构和分析目的选择比对器，再核对输出标记与下游兼容性。
• pbsv发现签名与联合调用：pbsv把比对中的结构信号与后续调用分为不同阶段，平台适用性和签名格式需要配套。
• rMVP关联分析实践：rMVP通过外存矩阵和并行运行关联分析，转换后的样本顺序及协变量对应是最重要的检查点。
• rrBLUP预测实践：从可检查的输入矩阵开始，用rrBLUP建立单性状GBLUP基线并理解方差、GEBV与PEV。
• samtools比对检查与覆盖统计：先确认比对文件可读、标记合理及覆盖符合实验设计，再解释调用结果。
• sommer基因组预测与复杂设计：以当前mmes接口传入已知遗传协方差结构，再逐步扩展多随机效应和复杂设计。
• 变异检测软件选择与适用场景：按测序平台、变异类型、倍性和研究场景选软件，先核对模型与输入，再比较结果。
• 可复现分析与工作流管理：把输入、依赖、参数和产物放进可追踪的运行记录，才能区分计算复现与结果解释。
• 合成数据贯通PCA与GWAS：用固定随机种子的人工数据练习文件交接、质控、PCA 与数量性状关联，不需要下载真实个体数据。
• 常见生信图表的阅读与制作：先读坐标、数据变换和独立单位，再判断图形支持什么结论。
• 日志排错与最小复现：从第一条实际错误定位输入、环境和资源问题，用最小复现验证修复。
• 服务器资源与批量任务：任务需要同时估计计算、内存、磁盘和时间，申请线程并不等于程序会自动使用它们。
• 样本表与数据审计实践：先把样本身份、实验设计和文件位置核对清楚，再进入任何统计分析。
• 测序数据格式与原始信号：扩展名不能完全说明数据阶段，原始信号、识别碱基和比对结果保存不同信息。
• 测序质控工具选择与报告阅读：按读段、长读长与组装层级选工具，报告汇总不等于自动修复问题。
• 结果报告与数据共享：报告应让读者追溯从研究设计、输入和参数到结果的路径，并区分数据开放与受限访问。
• 群体遗传软件与输入选择：按硬分型、基因型似然、完整位点与单倍型要求选择工具，保留各自估计量和分母。
• 软件环境与依赖管理：一个可复现环境需要记录软件版本、依赖、平台及参考数据，只有环境名称并不足够。
• 重复序列与转座子变异软件：先确定平台与目标目录，串联重复分型和移动元件插入检测采用不同工具及结果字段。

数据库（6）

• Ensembl参考与注释查询：Ensembl把参考组装、基因模型、变异与同源信息联系起来，查询结果必须携带物种和发布版本。
• GEO数据检索与样本核对：GEO连接研究、样本与处理数据，选择数据前先确认实验设计和矩阵数值含义。
• GO术语注释与证据：GO用结构化术语描述基因产物相关功能，术语、注释关系和证据类型需要分开阅读。
• SRA与ENA读段检索：读段归档中的study、sample、experiment与run有不同层级，下载与合并必须保留这些关系。
• UniProt蛋白条目与证据：蛋白数据库条目同时包含序列和注释证据，人工审阅状态不等于每项功能都已实验验证。
• 公共数据库与数据获取：根据需要的数据层级选择资源，并把 accession、原始文件、处理矩阵和版本信息分别记录。

分析工作流（79）

• ATAC-seq入门与实践：从可及性测序读段得到区域信号与差异分析，重点检查信号质量、重复一致性和共同计数区域。
• CNV与PAV交叉验证及群体矩阵：将结构、深度、组装和基因模型证据分别保留，再推断剂量或存在缺失。
• CNV检测与结果提取：从可比深度生成分段与CN，再按字段含义导出，保留剂量和未知而非只留下事件标签。
• ChIP-seq入门与实践：ChIP-seq 分析目标富集相对背景的信号分布，必须区分对照、抗体目标与信号宽度。
• DNA甲基化分析入门：甲基化分析需要匹配测量技术，以覆盖和重复信息估计位点或区域差异。
• GFFGTF版本核查与注释准备：注释前先确认序列、坐标和基因模型属于同一套参考，避免得到表面完整却对应错误版本的后果。
• GS数据准备与候选个体预测：整理训练表型、候选基因型、固定效应与基准，保存可用于新批次的完整预测模型。
• GS训练验证与数据泄漏：先定义候选群体，再设计外层验证和内层调参；训练表型之外的信息也可能泄漏。
• GWAS从数据准备到结果解释：将基因型、表型和设计信息连接到合适的关联模型，并审查效应方向与证据边界。
• GWAS参数选择与敏感性分析：参数改变会改变信息、背景与检验集合，敏感性分析应有预先理由和完整记录。
• GWAS常见报错与排查：先把失败定位到身份、格式、模型、数值或资源，再用最小例子验证修复。
• GWAS曼哈顿图QQ图与膨胀因子：图形用于定位信号与诊断分布，必须连同样本结构、检验、LD和模型背景解释。
• GWAS结果字段与等位基因统一：跨软件结果表先统一位点、效应方向、性状尺度和P值表示，再比较统计量。
• GWAS软件结果比较与一致性检查：先用同一模型检查软件交接，再解释不同模型的结果；单一数据集的显著数量不构成软件排名。
• GWAS软件输入转换与样本对齐：转换必须保持样本身份、位点身份、等位基因编码和性状含义；格式可以读入不代表转换正确。
• PAV检测与存在缺失矩阵：先获得目标特征的存在、缺失或未知证据，再构建矩阵，不能把没注释或没覆盖直接记为0。
• RNA-seq从FASTQ到基因计数：根据建库、reads布局和参考资源选择比对或定量路径，为差异分析提供来源明确的计数。
• RNA-seq从计数矩阵到差异表达：从基因计数和实验设计出发，估计表达差异，并区分统计证据、效应大小与功能解释。
• RNA差异结果报告与富集背景：报告设计、效应、检验和筛选集合，使结果能够回到原始计数和研究问题。
• RNA测序建库选择与偏倚：富集、去除、逆转录、链特异和read布局决定可观察RNA及计数方式。
• RNA计数矩阵与样本表核对：先用样本ID建立明确对应，再检查计数合法性和设计；文件列顺序不能代替身份。
• STR与重复扩增检测及提取：把重复目录、等位长度或次数、支持与区间一起保存，不能只导出GT就完成重复分析。
• VCF标准化多等位拆分与表示：先校验REF，再明确是否左对齐、拆多等位或原子化，记录和基因型必须一起更新。
• qPCR与数字PCR结果判读：qPCR看扩增曲线和阈值，数字PCR看有效分区与统计校正，均需保留质量和独立单位。
• 人工VCF贯通变异分类与提取：用固定人工输入实际运行小变异调用、VCF标准化、类型/区域/样本提取与质量处理。
• 人工区间贯通测序指标：用已知读段区间和分子身份计算覆盖，解释双端重叠、重复和质量汇总。
• 人工基因贯通区间注释与后果提取：用人工参考和三条转录本实际完成SnpEff构库、bedtools区间核对与按ALT提取后果。
• 人工数据贯通群体遗传统计：用完整人工单倍型核对π、θ、描述性分化、LD与中性漂变，说明统计量的条件解释。
• 人工长读长贯通SV调用与评估：实际从人工DNA reads比对到Sniffles调用、群体输出和Truvari两事件核对，并保留发现的格式问题。
• 从FASTQ到比对检查与变异调用：从人工reads开始实际连接minimap2、samtools和bcftools，补上人工SAM案例之前的比对步骤。
• 从样本到FASTQ的交接与质控：按样本、文库、运行与数据阶段交接，文件和质量报告需要相互追溯。
• 代谢组入门与实践：代谢组分析先审查峰特征与测量质量，再讨论统计差异和代谢物身份。
• 低深度多倍体与特殊基因组分流：在常规二倍体流程之外，先识别假设变化，再选择调用、质控和下游分析。
• 体细胞与低频变异分析边界：低频等位证据需要考虑误差、污染与样本组成，不能把生殖系0/1规则直接用于体细胞。
• 公开airway数据贯通DESeq2：用公开真实计数在原生R完成配对模型、效应收缩、阈值检验和诊断，并核对关键结果性质。
• 公开小鼠数据贯通多软件GWAS：用固定版本的公开小鼠数据完成质控、PCA、多软件关联、等位基因统一和诊断图，学习每一步的交接与判断。
• 单细胞与空间组学验证设计：供体、细胞、切片和空间位置具有层级关系，验证需同时考虑统计单位和身份注释。
• 单细胞转录组入门与实践：从细胞或液滴计数出发，检查质量、探索细胞状态，并将供体层面的比较与细胞聚类区分。
• 参考版本转换与REF复核：参考转换需要映射位置并检查等位与事件语义，改染色体名或位置列远远不够。
• 变异与群体分析的验证设计：分别核对变异真实性、基因型一致性、统计关联重复与功能解释。
• 变异位点过滤与基因型掩蔽：删位点、标记位点和把单个低质量基因型设为缺失是不同操作，先明确要改变哪一层。
• 变异检测结果交付与审计：每类结果都保存原生输出、统一表、过滤理由、可调用范围和验证证据。
• 变异检测输入准备与样本清单：把平台、参考、样本、文库和倍性整理成可追踪输入，再进入具体调用器。
• 变异注释与候选证据整理：注释把变异映射到转录本与已知资源；候选优先级需要多种证据，注释后果并非功能定论。
• 合成家系数据贯通GS：用300个人工个体贯通GBLUP、嵌套验证、家系留出和无表型候选预测。
• 合成数据贯通统计推断：通过固定种子人工数据连接基础检验、区间、多重校正、重采样与供体层级。
• 同一份样本表贯通R与Python：用两张故意顺序不同的小表练习按ID合并，保留缺失并核对两种语言的描述结果。
• 基因型质控与过滤：先评估样本和位点质量，再按分析目标制定可追溯的过滤规则。
• 基因组浏览器检查与候选证据：把统计信号、reads、变异和基因模型放在同一参考上检查，并为每种证据保留来源。
• 基因组重测序与变异检测：从 DNA 读段得到可用于群体分析的变异数据，关键是参考一致性、样本级检查和统一的分型流程。
• 基础算法可复现练习：用小型人工输入核对查找、计数、图、比对、聚类和优化的计算逻辑。
• 多组学整合入门与实践：整合多个测量层级前，先确认样本对应、特征尺度和具体目标，再选择联合分析方法。
• 官方TRGT小数据贯通重复分型：下载固定提交的PacBio官方微型输入，核对SHA后实际运行TRGT并解析长度与motif计数。
• 小RNA分析入门与实践：小RNA测序关注短RNA群体，接头处理、长度选择和注释分配直接影响计数。
• 微生物组分析入门与实践：先区分标记基因扩增子和全样本宏基因组，再选择特征构建、分类与群落比较路线。
• 微生物组差异与验证设计：把微生物特征差异、多样性、测量污染和独立重复分别验证。
• 扩增子测序与靶向测序设计：扩增子和捕获针对有限区域，但目标选择、扩增与未检出解释各有偏差。
• 按区域样本与基因型提取变异：明确坐标和筛选顺序，先定义样本集合，再判断基因型并重算相应统计。
• 按基因转录本与后果提取变异：把记录、ALT、转录本和后果拆成明确关系，再进行筛选和统计。
• 按类型提取SNPIndel与结构变异：先拆清混合ALT与表示，再按定义筛选；序列类型、结构注释和长度门槛是不同条件。
• 最小注释工作流与Snakemake恢复：把人工注释案例写成依赖图，并实际检查首次运行、无变化重跑和缺失交付表恢复。
• 测序方案选型与实验设计：按问题、样本、信息结构和验证需求选技术，不用代数或单个宣传指标代替设计。
• 混合测序组装与结果评估：混合数据可以互补，纠错、倍性、单倍型和污染共同影响组装。
• 用PCA探索样本的群体结构：从经过质控的基因型出发，减少位点冗余、计算主成分，并结合样本信息检查结果。
• 短读长SNP与Indel检测流程：从有质量记录的读段和一致参考进入小变异发现、分型、过滤及交付。
• 空间转录组入门与实践：将表达矩阵与空间坐标和组织图像对应，分析空间模式，并区分 spot、细胞和切片层级。
• 系统发育树入门与实践：系统发育推断从可比较的同源序列出发，树的拓扑、枝长和支持度回答不同问题。
• 组学方法比较与敏感性分析：比较方法先匹配问题和输入，敏感性分析用合理替代方案评估稳定性，不以最多显著结果排名。
• 组学验证的层级与证据：把可复现、统计稳健、技术确认、独立重复与功能证据分别对应到具体结论。
• 组装比较检测SNPIndel与结构变异：从成套组装及参考出发，保留共线性、单倍型和不可判定区域，再整理各类变异。
• 统计方法选择与分析计划：按照目标、观测类型和依赖结构选方法，预先规定比较、校正与验证方案。
• 蛋白质组与代谢组验证设计：把分子鉴定、定量质量、差异统计和独立生物学验证分开记录。
• 蛋白质组入门与实践：将质谱证据或蛋白定量表连接到可解释的蛋白层面比较，先区分鉴定、定量和差异检验。
• 表观组峰与调控证据验证：区分峰调用、样本间差异、重复一致性与调控功能，避免由峰位置直接推导靶基因。
• 转座子插入检测与提取：以家族库和插入连接证据为基础，区分参考与非参考元件，保留两侧支持和未知状态。
• 转录组差异与qPCR验证设计：分别验证差异表达统计、表达测量与生物学重复，避免把qPCR当作自动证明功能。
• 长读长TE插入证据整理流程：把长读长插入候选、序列家族和两侧连接证据连接起来，区分家族相似与插入事件。
• 长读长小变异检测与模型选择：长读长小变异调用仍需匹配平台与训练模型，不能把SV调用器当作全部SNV/Indel流程。
• 长读长测序分析入门：长读长有助于跨越复杂区域与连接转录结构，流程选择仍取决于平台、数据类型和研究目标。

编写与维护

项目、代码与发布说明。原稿在 Obsidian 维护，发布版自动生成导航与关键词索引。