今天寫(xiě)一篇回答，總結(jié)一下目前的想法。

這個(gè)是星球內(nèi)問(wèn)題：

先說(shuō)兩個(gè)趨勢(shì)：

趨勢(shì)1：

農(nóng)業(yè)的數(shù)據(jù)分析以后會(huì)越來(lái)越重要，因?yàn)榉肿訑?shù)據(jù)的落地，包括分子標(biāo)記輔助、GWAS和GS的應(yīng)用，特別是基因組選擇（GS）的落地，使得育種的效率大大提升，以后使用數(shù)據(jù)去育種將不再是紙面上冠冕堂皇的話，而是事實(shí)。

趨勢(shì)2：

新興的機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等算法將會(huì)進(jìn)入到育種數(shù)據(jù)分析中來(lái)，這一塊的應(yīng)用，還是要育種從業(yè)人員自己學(xué)習(xí)掌握，至少會(huì)調(diào)包，靠別人不如靠自己，要擁抱新技術(shù)，使用新技術(shù)。

痛點(diǎn)在哪里？

現(xiàn)有的教育環(huán)節(jié)中，對(duì)這一塊涉及極少，我們學(xué)習(xí)的生物統(tǒng)計(jì)都是基于線性模型的，T檢驗(yàn)+方差分析+回歸分析，甚至連聚類(lèi)分析和主成分分析都沒(méi)有包含，而育種中的數(shù)據(jù)分析框架主要是混合線性模型+貝葉斯+機(jī)器學(xué)習(xí)，這些內(nèi)容很偏，但是也很深。學(xué)起來(lái)相當(dāng)吃力。

統(tǒng)計(jì)是個(gè)攔路虎，編程則是道中狼，很多統(tǒng)計(jì)不需要細(xì)究會(huì)用就行，而會(huì)用就需要會(huì)編程，Excel和SPSS那種鼠標(biāo)點(diǎn)點(diǎn)點(diǎn)的已經(jīng)out了，R和Python以及Julia才是王道，編程+Linux系統(tǒng)是標(biāo)配，對(duì)于非計(jì)算機(jī)背景的我們，確實(shí)很頭大。

另外一個(gè)就是數(shù)量遺傳學(xué)，如果打開(kāi)植物的數(shù)量遺傳學(xué)、玉米的數(shù)量遺傳學(xué)，什么F1群體、F2群體、BC1群體，各種方差分解，公式推導(dǎo)，都是老掉牙很繁瑣的東西，一學(xué)就放棄，一看就頭暈。動(dòng)物的數(shù)量遺傳學(xué)則是矩陣運(yùn)算、貝葉斯抽樣一看就是勸退的內(nèi)容。明明是貼地氣的農(nóng)學(xué)，卻要和高大上的金融肩并肩。

應(yīng)該怎么做？

我讀研究生時(shí)，本科時(shí)學(xué)習(xí)的生物統(tǒng)計(jì)早已經(jīng)還給了老師，兩眼一抹黑，我的學(xué)習(xí)路徑是這樣的，將一些彎路去掉，給出最快的路徑。

1，通過(guò)Python語(yǔ)言學(xué)習(xí)編程，入門(mén)編程。后面的機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)是個(gè)非常好的平臺(tái)。

2，通過(guò)R語(yǔ)言學(xué)習(xí)生物統(tǒng)計(jì)，包括傳統(tǒng)方差分析、回歸分析，也包括聚類(lèi)、主成分和混合線性模型。

3，通過(guò)遺傳評(píng)估軟件學(xué)習(xí)數(shù)量遺傳學(xué)，我是學(xué)習(xí)ASReml軟件，也可以是BLUPF90，DMU等軟件，軟件的說(shuō)明文檔是上好的學(xué)習(xí)教程。

注意：

學(xué)習(xí)的過(guò)程，先要跑起來(lái)，然后再理解。切記看書(shū)百遍不動(dòng)手，敲代碼重演結(jié)果，看報(bào)錯(cuò)調(diào)整代碼很重要，在實(shí)踐中成長(zhǎng)。

資源推薦：

編程+統(tǒng)計(jì)+數(shù)量遺傳學(xué)，可以通過(guò)一個(gè)包含數(shù)據(jù)+R代碼+原理解釋的GWAS教程達(dá)到目的，上手一個(gè)項(xiàng)目，比著敲代碼，一舉多得。下面是我精心整理的學(xué)習(xí)資料，有我編寫(xiě)的GWAS學(xué)習(xí)教程，有我收集的入門(mén)數(shù)據(jù)分析資源，有我推薦的最新版R語(yǔ)言電子書(shū)，以及我翻譯整理的統(tǒng)計(jì)遺傳學(xué)分析導(dǎo)論。

這些資料的特點(diǎn)是：代碼，數(shù)據(jù)，理論介紹都有包括，值得擁有：

1，快來(lái)領(lǐng)取 | 飛哥的GWAS分析教程

2，飛哥匯總 | 入門(mén)數(shù)據(jù)分析資源推薦

3，數(shù)量遺傳學(xué)，分享幾本書(shū)的電子版

4，R語(yǔ)言學(xué)習(xí)看最新版的電子書(shū)不香嘛？

想要有人帶的小伙伴，畢竟老司機(jī)帶，不迷路，更快到達(dá)！

掃碼加入知識(shí)星球：

本星球分享和答疑內(nèi)容包括：

全基因組關(guān)聯(lián)分析（GWAS），全基因組選擇（GS），生物統(tǒng)計(jì)，數(shù)量遺傳學(xué)，遺傳參數(shù)評(píng)估，涉及R語(yǔ)言、Python等工具。2022年和2023年會(huì)加入機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)方面的內(nèi)容，一起學(xué)習(xí)不孤單。