【原】我的农学转数据分析之花花草草

家好，我是飞哥。

数据分析界育种知识最好、育种界编程最扎实、段子讲得最好的数据分析师，所以：编程+数据分析+育种，就是我的日常工作了。

电脑是研究生时学习的编程，之前没有接触过，计算机登记证书是一个没有，生物统计当年差点没及格，高数和线代还可以但是基本忘完了。就这样，经过金山打字半个月的训练，学会了盲打，研究生三年还是入门了生物信息的大门。

看一下我研究生的日常：（玉米地授粉往事序），数据分析+大田育种，实验是不可能做的，去实验室就是帮助大家装枪头。

上面这张照片是2015年元旦，海南玉米育种基地刚浇过水，那时上午已经有花粉散粉，二话不说，赤脚下地授粉。中间小李师傅帮我照相，因为我要发朋友圈纪念一下，还赋诗如下：“15有啥了不起，空间更新多如蚁，看我玉米地授粉，风和日丽元旦里”。那时的我，还未毕业，对未来充满憧憬，活力四射。

工作几年，边工作边学习，哪里不会学哪里，也积累了一些知识，接触的物种中有：玉米小麦水稻、猪鸡牛羊、林木水产，用到的模型从方差分析到线性模型，从混线模型到广义模型，从GWAS到GS，基本都是R语言+Python+Linux。

有些小伙伴，问我如何入门数据分析？

我的经验是，学习，从来不拘泥于形式，植物的不看动物的书籍？动物的不看林木的论文？林木的不理水产的成果，对我而言不存在的，因为物种是属于应用层，背后模型是类似的，学此可以懂彼。比如，学习GWAS我发现人类的知识更系统，于是学起来诸如多基因得分、孟德尔随机化也毫无违和感（统计遗传学：第八章，基因型数据质控）。

其实网络上的数据分析师都是从Excel到Python，然后到机器学习。而农业这一块，混合线性模型是绕不过去的槛，所以这里总结一下我的技能。

算不上技能树，只能算是花花草草：

1， 生物统计相关数据分析

汇总统计分析

结果报表及可视化

• 最大值、最小值、平均数、方差、标准差、变异系数等报表（支持分组）
• 箱线图、直方图、折线图、小提琴图、雷达图等

方差分析

结果包括：方差分析表、多重比较结果、以及可视化

• 单因素方差分析
• 多因素方差分析
• 裂区试验方差分析
• 裂裂区试验方差分析
• 拉丁方和格子方方差分析
  
  

回归分析

结果包括：解释R2、拟合方程、模型比较，以及可视化

• 单变量回归分析
• 多变量回归分析
• 逐步回归回归分析
• 曲线回归分析
• 生长曲线回归分析

相关性分析及通径分析

结果包括：相关性值和显著性检验，可视化，通径分析的公式

• 相关性分析
• 通径分析

主成分分析及聚类分析

• 主成分分析，可视化
• 聚类分析，可视化
• 主坐标分析、冗余分析、因子分析等

混合线性模型

• 混合线性模型计算BLUE值和BLUP值
• alpha-lattice试验数据分析
• 增广试验数据分析
• 广义线性模型，logistic、probit分析
• 广义线性混合模型
• 重复测量数据分析

2， 作物数据分析

• 一年多点、多年多点数据分析，遗传力计算，BLUE值，BLUP值计算

• 基因与环境互作分析：AMMI模型，GGE Biplot模型，F-W回归模型

• Alpha-lattice试验分析、增广试验分析

• 配合力分析：双列杂交，不完全双列杂交，NCII分析

• 空间分析

3， 动物、水产数据分析

• 计算近交系数和亲缘关系系数

• 系谱可视化及系谱错误检测

• 单性状动物模型分析，遗传力，BLUP育种值

• 多性状动物模型，遗传力，遗传相关，BLUP育种值

• 阈值性状分析

• 重复力模型，母体效应模型

• 阈值与阈值多性状模型

• 阈值与连续多性状模型

4，群体遗传分析

• PCA分析
• admixture群体结构分析
• 群体血缘分析
• 家系划分分析
• 亲子鉴定分析
• 半同胞全同胞关系鉴定分析

5，GWAS分析和QTL定位

• 阈值性状，连续性状，多性状GWAS分析，纵向数据GWAS分析
• GLM模型，LMM模型
• GWAS可视化：QQ图，曼哈顿图，SNP密度图
• 基因注释和富集：GO，KEGG
• SNP解释百分比（PVE）
• 多基因得分（PGS）和孟德尔随机化（MR）
  
• 遗传图谱构建，QTL分析、基因注释和富集分析

6，基因组选择分析

结果包括：5层交叉验证的准确性和无偏性评估，重复20次。

• 基因型数据质控、填充

• 亲缘关系G矩阵、H矩阵构建及热图可视化

• GBLUP，ssGBLUP模型（一步法）

• 贝叶斯类模型：BayesA，BayesB，BayesCpi，BayesLASSO

• 机器学习类：支持向量机、随机森林、神经网络、深度学习、函数回归