今天是端午节，放假了几天，除了分析一个紧急的项目，基本处于放空状态。没有工作，没有动脑。主要内容是遛娃，吃饭，睡觉。下午回来，放空几天的大脑开始回归，想起自己好久没有发文了，介绍一款亲缘关系推断的软件：king1. 亲缘关系推断重要性育种中，判断亲子关系，判断全同胞半同胞关系非常严重要，基因组时代的到来，也使得利用分子数据进行相关的推断成为可能，今天我们介绍一下如何根据个体的基因组数据，推断个体间

1. 半同胞2. 全同胞3. 同卵双胞胎汇总：

1. Fortran安装及配置1.1 安装MinGWMinGW-w64 - for 32 and 64 bit Windows下载安装包。双击打开安装程序，点击Next：点击Next:一直默认安装：1.2 配置环境变量我的路径为：C:\Program Files (x86)\mingw-w64\i686-8.1.0-posix-dwarf-rt_v6-rev0\mingw...

报错类型解决方案：1，再打开一个vscode窗口2，快捷键：ctrl + shift + p3，键入Remote-SSH:Open打开config文件，配置文件：4，打开链接的服务器，查看hostname,ip和你的用户名配置如下：这里，我的信息：Host： nyHostName ： ip地址User： 用户名不用纠结为何服务器文件不在左边显示vscode应该是升级了，点击ctrl + o选择文件

如果想要把表型数据和基因型数据合并，需要整理的表型格式：FID，IID，y三列。plink将vcf文件变为plink的二进制文件（bed和bim和fam）。如果对其进行质控，用–maf 0.01，会去掉maf小于0.01的位点。《统计遗传学》中的章节介绍，有关代码实操部分，单独列出来，进行展示。缺失包括样本缺失率统计和位点缺失率统计。这里介绍一下常用的基因型数据清洗方法。查看基因频率的统计结果，用

因此, 比较好的方式是，在one-stage中，将地点，年份，区组作为随机因子，将品种作为固定因子，计算BLUE值。对于纵向数据（比如不同胎次的产仔数，不同时期的剪毛量），对于一般的GLM模型，MLM模型，需要用平均值或者BLUE值作为表型值。对于植物数据，特别是随机区组的数据，一年多点的数据，一个基因型ID对应多个表型值，这些表型值如何利用呢？另外，就是进行汇总统计，看一下最大值，最小值，平均值

这里，使用Python中的statsmodels和sklearn进行回归分析。1. 数据来源：womenwomen是R中的一个数据集，我们把它保存到csv文件中：> data(women)> write.csv(women,"women.csv",row.names = F)数据预览：2. statsmodels的矩阵的形式import pandas as pdimport stats

1. 问题描述一个txt文件，使用R中的data.table包中的fread函数读取时，报错：> dat = fread("test.txt")Error in fread("test.txt") :File is encoded in UTF-16, this encoding is not supported by fread(). Please recode the file to U

系列部分：GWAS分析中SNP解释百分比PVE | 第一篇，SNP解释百分比之和为何大于1？GWAS分析中SNP解释百分比PVE | 第二篇，GLM模型中如何计算PVE？GWAS分析中SNP解释百分比PVE | 第三篇，MLM模型中如何计算PVE？今天介绍一下如何手动计算MLM模型GWAS的PVE结果。因为GAPIT中的MLM模型又PVE结果，但是常用的GEMMA、GCTA的GWAS结果并没有PV

上一篇，介绍了一下显著性的SNP，他们的解释表型变异百分比（PVE）之和，为何可能大于1.https://yijiaobani.blog.csdn.net/article/details/122093602这篇我们介绍一下GLM模型中，PVE的计算方法。1. 数据描述协变量是PCA的前三个，数据具体如下：表型数据：1641 1641 153.9734231642 1642 113.11930116