Wright-Fisher模型：从前向后或由过去推测现在的基因谱系研究方法。
基因融合模型
Bootstrap value
矩阵法：近邻结合法 neighbor-joining (NJ)
简约法：最大简约法 maximum parsimony (MP)
最大似然法：最大似然估计 maximum likelihood (ML)
后验概率法：贝叶斯法 Bayesian
MEGA-X
BEAST2 (Bayesian):https://github.com/CompEvol/beast2.git
Q（群体结构）+K（亲缘关系）模型
FASTA（why “permutation procedures can not be applied to estimate genome-wide significance, because the data structure is not exchangeable.”）
GRAMMAR（Amin et al, 2007）
EIGENSTRAT（GenABEL qtscore）
FASTA（GenABEL mmscore）
遗传力（Heritability ）是我们理解遗传与环境因素对性状影响的基础，定义为 遗传方差占性状方差（总方差）的比值 ，可以理解为遗传因素对性状的影响，数学上以h2表示。
| 二项分布 | 几何分布 | 泊松分布 | 超几何分布 |
|---|---|---|---|
| 具有可能结果x次的概率 | 第x次具有第一次可能结果出现的概率 | 某个时间范围内， 发生某件事情x次的概率 |
|
独立性检验
chi.test需所有单元期望数>5,样本数>40
fisher.test最小单元期望数<5
相关分析
pearson spearman kendall
note：如果散点图表明“可能是单调的，可能是线性的”关系，最好的选择是 Spearman 而不是 Pearson。即使数据证明是完全线性的，用 Spearman 也不会造成信息丢失。但是，如果不是完全线性但使用 Pearson 系数，会丢失 Spearman 可以捕获的信息，是否单调。
相关性检验
2个 t检验；多个 方差分析
生物学重复？
随机完全区组
双因素方差分析
环境 样本
D=P(AB)-P(A)*P(B) 各配子基因型绝对值相同，可正可负；因D的取值受人为制定的等位基因频率影响，引入标准化的不平衡系数D’；
D’=D/Dmax 不能比较不同研究之间的LD程度且依赖样本量大小，只包括重组史；
当D<0, Dmax=min{P(A)P(B),P(a)P(b)}；
当D>0, Dmax=min{P(A)P(b),P(a)P(B)}
推导过程：u s t v 分别为AB，Ab，aB，ab频率
DAB=pAB-pApB=u(1-u-s-t)-st=uv-st
同理得DAb=-（uv-st）
令uv-st=D
pAB=pApB+D pAb=pApb-D
当D>0 因pAb不能为负
故得出以上结论
r2=D*D/(P(A)P(a)P(B)P(b)) 包括重组和突变，r2的期望值和有效种群大小和重组系数相关，r2=1/(1+4NeC),其中Ne是有小种群大小，C是重组系数。https://www.plob.org/article/21675.html
note：R2用于回归评价指标，1表示预测跟真实结果完美匹配
genomic LD：半衰期确定lead snp区间
或 block LD：locus zoom确定小区域
最终确定candidate gene
LD群体遗传学作用：一方面可以判断GWAS所需标记量，决定GWAS的检测效力以及精度；另外也可以辅助分析进化与选择，在同一个连锁群上，LD衰减慢说明该群体受到选择，一般来说，野生群体比驯化改良群体LD衰减快，异花授粉植物比自花授粉植物LD衰减快。
连锁也并不一定是导致不平衡的唯一原因。？（wjkp30）[连锁不平衡的程度取决于多方面的因素，包括遗传连锁、自然选择、基因重组的概率、突变率、遗传漂变、婚配制度、选型交配以及种群结构。
连锁并不一定意味着一定存在不平衡，长期随机交配也可以导致平衡。
两个座位间不平衡的显著检验
卡方检验
表型值（P）=加性遗传效应（A）+显性效应（D）+上位效应（I）+系统环境效应（ES）+随机环境效应（ER）
加性遗传效应即育种值(EBV)。
亲缘系数（coefficient of kinship）：从两个个体中分别随机抽取一个同源等位基因，这两个基因是IBD的概率（相同且来自同一个祖先）。直接衡量个体间亲缘关系。
sanger
NGS Next Generations Sequencing https://zhuanlan.zhihu.com/p/335770966
array
pacbio long read
WGS
whole-exome sequence(WES)
GATK-SV SVtolls Absinthe
SNV indel SV
human genome：
tada：association between disease and sv（https://genomebiology.biomedcentral.com/articles/10.1186/s13059-022-02631-z）
T2T-CHM13
LOF（lost of function）预测模型？
graphic reference call sv 更准确？(https://genomebiology.biomedcentral.com/articles/10.1186/s13059-022-02631-z)
lambda, P, PVE, effect size?BSA analysis
trio-GWAS
haplotype analysis
PRS
Instrument（leafcutter踩坑指南）
https://ming-lian.github.io/2019/02/08/Stat-on-RNAseq/
1.Sequencing(depth,coverage,library)
https://www.jieandze1314.com/post/cnposts/239/
批次效应 batch
2.How to aligh
3.Flow and note
R package: Deseq principles
Using Interactome Big Data to Crack Genetic Mysteries and Enhance Future Crop Breeding - ScienceDirect
Open problems in human trait genetics | Genome Biology
GTEX
Likelihood
算法设计与分析基础_第3版
机器学习周志华
statistics -> data science
quantitative genetics