如何從遺傳力的角度來看待提升育種效率。Total heritability，是實(shí)際的遺傳力，主要是從家系群體（比如同卵雙胞胎、全同胞）估計(jì)的遺傳力，對(duì)應(yīng)的是family遺傳力, h2_family.Chip heritability，（SNP 遺傳力，也稱為 “基于芯片的遺傳力”）是指全基因組關(guān)聯(lián)分析（GWAS）芯片上所有 SNP 變異共同解釋的表型方差比例，反映 “芯片可檢測(cè)的遺傳變異” 對(duì)表型的加性遺傳貢獻(xiàn)（屬于狹義遺傳力范疇）。

工具升級(jí)：10分鐘用語音寫這篇文章大家好，我是鄧飛，不同的時(shí)期，有不同的升級(jí)工具，一般來說，工具我是不升級(jí)的，除非不得已。今天介紹的是語音寫作，下面是正文：01 緣起：讀《語音寫作》，我入手了訊飛工具。不過我還有個(gè)小疑問：面對(duì)專業(yè)內(nèi)容，語音寫作還能好用嗎？既然買了 VIP，就想 “物盡其用”，剛好又讀了關(guān)于語音寫作的內(nèi)容，算是 “剛需” 遇上 “方法論”，自然而然就開啟了我的語音寫作嘗試。

為何要計(jì)算雜合度以及如何計(jì)算雜合度大家好，我是鄧飛。第六列：F值（越小，說明雜合度越高）飛哥吐槽：het的值是F值，這個(gè)明明是存合度，為何會(huì)叫雜合度，明明值越大越純合。這里，也可以手動(dòng)計(jì)算：F =（O-E)/(N-E)2，雜合度結(jié)果應(yīng)用場(chǎng)景。自然群體，做GWAS分析，可以對(duì)雜合度進(jìn)行質(zhì)控，認(rèn)為群體的雜合度應(yīng)該是合理區(qū)間，可以用三倍標(biāo)準(zhǔn)差的形式進(jìn)行離群樣本的質(zhì)控，比如計(jì)算的F值，通過上面提供的函數(shù)，剔除樣本。

一文搞定GWAS單倍型的顯著性分析。LDBlockShow -InVCF Test.vcf.gz -OutPut re3 -Region chr11:24100000:24200000 -InGWAS gwas.pvalue -OutPng -SeleVar 1 -InGFF In.gff -SpeSNPName Spe.snp.## 導(dǎo)入基因型vcf數(shù)據(jù)library(geneHapR)vcf = import_vcf("df2.vcf")# 單倍型分型hapResult <- vcf2hap(vcf)write.csv(hapResult,"df2-1-hapresult.csv")結(jié)果文件：上面結(jié)果中，共有11個(gè)單倍型，每個(gè)個(gè)體都會(huì)給出具體的單倍型分型。

GWAS分析要不要進(jìn)行LD質(zhì)控？其它因素也會(huì)導(dǎo)致群體高的LD，比如受選擇的群體，比如育種群體，某些有利的突變會(huì)在群體中迅速擴(kuò)散，導(dǎo)致群體內(nèi)的這個(gè)區(qū)域的LD升高，這也是野生群體LD衰減很快，而馴化改良群體LD衰減很慢的原因。GWAS分析是否要進(jìn)行LD質(zhì)控？GWAS分析中，依據(jù)就是至少有一個(gè)SNP與所控制的基因處于連鎖不平衡狀態(tài)（LD），那么，如果這個(gè)基因?qū)е铝吮硇妥兓?，那么我們就可以通過它所連鎖的SNP檢測(cè)到顯著性變化。

plink做GWAS分析流程及注意事項(xiàng)。plink軟件下載：plink：https://www.cog-genomics.org/plink/plink --file b --pheno phe.txt --allow-no-sex --linear --out re --mpheno 2.上面代碼就是多性狀gwas分析，代碼解析：for 循環(huán)，1~100，表示100個(gè)性狀，分別運(yùn)行正常進(jìn)行g(shù)was分析--mpheno 后面參數(shù)$i，是分別運(yùn)行100次gwas分析--out 結(jié)果文件中，分別保存100個(gè)性狀的gwas分析|bash;done，是用管道符的形式運(yùn)行nohup4，更詳細(xì)的內(nèi)容。

library(data.table)library(tidyverse)freq=fread(file="plink.frq",header=T)head(freq)summary(freq)freq$Pic=1-freq[,5]^2-(1-freq[,5])^2-2*(1-freq[,5])^2*freq[,5]^2head(freq)summary(freq)cor(freq$MAF,freq$Pic)plot(freq$MAF,freq$Pic)fwrite(freq,"pic_result_maf.txt",sep = " ",quote = F)上面的方法就是計(jì)算PIC的方法。

會(huì)議三天半，行業(yè)內(nèi)的大牛多多，收獲很多，聽老師講座，參與相關(guān)討論，思路很多，想法很多，感觸很多，知識(shí)密集型很多，與我有了很多的共鳴，這種感覺很強(qiáng)烈，就像有吸收知識(shí)的痛飲，有知識(shí)震動(dòng)的響聲，有功力大進(jìn)的飛升。會(huì)議上遇到了我最敬佩的張勤老師，張勤老師是數(shù)量遺傳學(xué)的專家，寫了很多書，也教過很多課，跟著張老師我學(xué)到了很多東西。

雖然snp不在基因上，但是如果snp的衰減距離區(qū)間內(nèi)（比如上下50kb）包含基因，那也可以說明這個(gè)基因是顯著影響性狀的。第四個(gè)snp，gene4.所以這些snp，一共注釋的基因有：gene1, gene2, gene4.SNP區(qū)間文件：$ cat snp_infor.ped chr1 5 15 chr1 10 20 chr1 30 40 chr1 80 90 chr1 110 120 chr1 115 125.$ cat gene_infor.ped chr1 1 14 gene1 chr1 17 19 gene2 chr1 45 82 gene3 chr1 88 93 gene4 chr1 100 105 gene5.

GWAS分析軟件GCTA的學(xué)習(xí)筆記。--reml-alg 0 # AI算法，默認(rèn)算法 --reml-alg 1 # EM算法1.3 --grm（必須）--grm # 接二進(jìn)制文件GRM的前綴 --grm-bin # 同上 --grm-gz # 接文本的GRM文件前綴。gcta64 --bfile ../test --make-grm --make-grm-alg 1 --out g2.gcta64 --reml-bivar 1 2 --pheno ../nn_pheno.txt --grm ../grm/g1 --threads 30 --out re1.GCTA只能分析兩性狀的GBLUP遺傳評(píng)估，計(jì)算遺傳力和遺傳相關(guān)，速度很快。

如逆水行舟不進(jìn)則退好久沒有更新公眾號(hào)了。以前在想，如何保持廣度和深度的平衡，如何保持工作和生活的平衡，如何保持專業(yè)和興趣的平衡？初中時(shí)，在回宿舍的路上，在昏黃的燈光下，在秋風(fēng)的晚上，在細(xì)微的雨絲中，總是哼唱“隨風(fēng)自由奔跑是方向，追求雷和閃電的力量……”，前幾天的感觸，就是這種，要努力平衡才有可能平衡。

3，將數(shù)據(jù)變?yōu)関cf4，使用geneHapR包處理vcf.## 導(dǎo)入基因型vcf數(shù)據(jù)library(geneHapR)vcf = import_vcf("df2.vcf")# 單倍型分型hapResult <- vcf2hap(vcf)write.csv(hapResult,"df2-1-hapresult.csv")結(jié)果文件：上面結(jié)果中，共有11個(gè)單倍型，每個(gè)個(gè)體都會(huì)給出具體的單倍型分型。

因此是可以使用系譜構(gòu)建的親緣關(guān)系A(chǔ)矩陣，進(jìn)行聚類分析，然后可視化，然后挑選家系的。近交系數(shù)： 近交系數(shù)（inbreeding coefficient）是指根據(jù)近親交配的世代數(shù)，將基因的純化程度用百分?jǐn)?shù)來表示即為近交系數(shù)，也指?jìng)€(gè)體由于近交而造成異質(zhì)基因減少時(shí)，同質(zhì)基因或純合子所占的百分比也叫近交系數(shù)，個(gè)體中兩個(gè)親本的共祖系數(shù)。如果根據(jù)系譜，構(gòu)建A矩陣，然后將相關(guān)的個(gè)體提取出來，劃分家系，這不就是聚類分析靈活的例子么？

如何利用DeepSeek的API搭建本地知識(shí)庫大家好，我是鄧飛。那就用網(wǎng)絡(luò)的DeepSeek吧，現(xiàn)在元寶、豆包都有DeepSeek模型，網(wǎng)絡(luò)體驗(yàn)很好，還免費(fèi)。注意，嵌入模型，不能用DeepSeek，硅基流動(dòng)提供了：BAAI/bge-m3，這個(gè)速度很快：4，聊天時(shí)，選擇V3或者R1就可以聊天了5，導(dǎo)入自己的知識(shí)庫6，也可以聊天時(shí)加載自己的文件也可以選擇上一步構(gòu)建的知識(shí)庫：還會(huì)匯總筆記的內(nèi)容，給出參考鏈接：資源推薦：

群體遺傳三劍客第三篇：megacc和ggtree進(jìn)化樹分析大家好，我是鄧飛。

$ plink --file a19 --blocks no-pheno-reqPLINK v1.90b4.6 64-bit (15 Aug 2017) www.cog-genomics.org/plink/1.9/(C) 2005-2017 Shaun Purcell, Christopher Chang GNU General Public License v3Logging to plink.log.$ plink1.07 --file a19 --hap plink.blocks --noweb --hap-freq@----------------------------------------------------------@| PLINK!

先將數(shù)據(jù)變?yōu)榉治龅囊?，因子的為因子，?shù)字的為數(shù)字：然后構(gòu)建模型：這里面，Genstat中C4是作為區(qū)組，相當(dāng)于方差分析中的隨機(jī)因子，所以，R語言可以進(jìn)一步調(diào)整：上面結(jié)果就和Genstat一致啦：上面的結(jié)果中：C3作為區(qū)組，協(xié)變量的P值都為0.131C1的P值小于0.01C2的P值為0.4C1和C2的互作為0.19奇怪的是是C4中，R語言的結(jié)果F值為0.496，Genstat的F值為0.35，P值也不一樣，R語言的是0.492，Genstat的P值是0.462。

http://dalexander.github.io/admixture/download.html軟件不太好下載，官網(wǎng)不太好打開，官網(wǎng)上面一共四個(gè)文件：- admixture的Linux版本- admixture的Mac版本- admixture的pdf文檔- admixture的示例數(shù)據(jù)公眾號(hào)回復(fù)：admixture，獲得上面四個(gè)文件的下載鏈接。(base) [dengfei@localhost admixture]$ lshapmap3.bed hapmap3.bim hapmap3.fam hapmap3-files.tar.gz hapmap3.map2 admixture支持的格式。admixture hapmap3.bed 3.

路過田野地。坐高鐵看外面綠油油的麥地，中間有幾個(gè)墳頭，陽光照著我的三體的第三本書，看到了程心競(jìng)選執(zhí)劍人，有六個(gè)公元人勸她不要競(jìng)選。上午去袁隆平院士的陵園緬懷，送上菊花并默哀懷念。年富力強(qiáng)，正當(dāng)我輩，拿下接力棒，走向遠(yuǎn)方。后繼有人，我心中默念，拿著行李下高鐵。