今天寫一篇回答，總結(jié)一下目前的想法。

這個是星球內(nèi)問題：

先說兩個趨勢：

趨勢1：

農(nóng)業(yè)的數(shù)據(jù)分析以后會越來越重要，因為分子數(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。

趨勢2：

新興的機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等算法將會進入到育種數(shù)據(jù)分析中來，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)。

痛點在哪里？

現(xiàn)有的教育環(huán)節(jié)中，對這一塊涉及極少，我們學(xué)習(xí)的生物統(tǒng)計都是基于線性模型的，T檢驗+方差分析+回歸分析，甚至連聚類分析和主成分分析都沒有包含，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+機器學(xué)習(xí)，這些內(nèi)容很偏，但是也很深。學(xué)起來相當(dāng)吃力。

統(tǒng)計是個攔路虎，編程則是道中狼，很多統(tǒng)計不需要細究會用就行，而會用就需要會編程，Excel和SPSS那種鼠標(biāo)點點點的已經(jīng)out了，R和Python以及Julia才是王道，編程+Linux系統(tǒng)是標(biāo)配，對于非計算機背景的我們，確實很頭大。

另外一個就是數(shù)量遺傳學(xué)，如果打開植物的數(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。動物的數(shù)量遺傳學(xué)則是矩陣運算、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，本科時學(xué)習(xí)的生物統(tǒng)計早已經(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Python語言學(xué)習(xí)編程，入門編程。后面的機器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)是個非常好的平臺。

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

3，通過遺傳評估軟件學(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，軟件的說明文檔是上好的學(xué)習(xí)教程。

注意：

學(xué)習(xí)的過程，先要跑起來，然后再理解。切記看書百遍不動手，敲代碼重演結(jié)果，看報錯調(diào)整代碼很重要，在實踐中成長。

資源推薦：

編程+統(tǒng)計+數(shù)量遺傳學(xué)，可以通過一個包含數(shù)據(jù)+R代碼+原理解釋的GWAS教程達到目的，上手一個項目，比著敲代碼，一舉多得。下面是我精心整理的學(xué)習(xí)資料，有我編寫的GWAS學(xué)習(xí)教程，有我收集的入門數(shù)據(jù)分析資源，有我推薦的最新版R語言電子書，以及我翻譯整理的統(tǒng)計遺傳學(xué)分析導(dǎo)論。

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

1，快來領(lǐng)取 | 飛哥的GWAS分析教程

2，飛哥匯總 | 入門數(shù)據(jù)分析資源推薦

3，數(shù)量遺傳學(xué)，分享幾本書的電子版

4，R語言學(xué)習(xí)看最新版的電子書不香嘛？

想要有人帶的小伙伴，畢竟老司機帶，不迷路，更快到達！

掃碼加入知識星球：

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，數(shù)量遺傳學(xué)，遺傳參數(shù)評估，涉及R語言、Python等工具。2022年和2023年會加入機器學(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。