引言：常規(guī) GWAS分析想發(fā)一區(qū)在分析上必須要出彩，2026年1月《Plant Cell and Environment》（中科院一區(qū)，IF=6.3）上的一篇GWAS文章 是個(gè)很好的范例。

跟著組學(xué)大講堂，通過科學(xué)、系統(tǒng)的學(xué)習(xí)，你也可以掌握群體測(cè)序數(shù)據(jù)的自主分析！組學(xué)大講堂制作了《群體重測(cè)序遺傳進(jìn)化+GWAS分析實(shí)操》課程（提供配套代碼、軟件、分析環(huán)境鏡像，兩年售后答疑，贈(zèng)送練習(xí)用云服務(wù)器），手把手教你自然群體遺傳進(jìn)化及GWAS分析技能，攻克核心分析技術(shù)，助力你高效發(fā)文章！

掃描下方二維碼開始學(xué)習(xí)！

即日起至2月6日，購(gòu)課可享8.8折優(yōu)惠！

01

課程優(yōu)勢(shì)及內(nèi)容

組學(xué)大講堂是國(guó)內(nèi)領(lǐng)先的生物信息培訓(xùn)機(jī)構(gòu)，已培訓(xùn)學(xué)員近100000人。本課程有如下優(yōu)勢(shì)：

優(yōu)勢(shì)1：內(nèi)容全面：涵蓋一區(qū)、二區(qū)文章常用分析條目，一課掌握核心技能

優(yōu)勢(shì)2：零基礎(chǔ)友好：針對(duì)初學(xué)者設(shè)計(jì)，數(shù)據(jù)整理完善后，復(fù)制粘貼即可分析

優(yōu)勢(shì)3：分析不挑設(shè)備：采用docker虛擬機(jī)教學(xué)（國(guó)內(nèi)首創(chuàng)），無需安裝軟件，好學(xué)好用

優(yōu)勢(shì)4：電腦要求低：云服務(wù)器教學(xué)，指令發(fā)送由服務(wù)器處理，個(gè)人電腦可正常辦公

優(yōu)勢(shì)5：售后無憂：2年超長(zhǎng)時(shí)間售后答疑，學(xué)習(xí)全程無憂

優(yōu)勢(shì)6：圖表顏值高：緊跟文獻(xiàn)最新趨勢(shì)，使用最新R包繪圖，生成高顏值、信息量豐富的圖表，直接用于文章撰寫

02

課程內(nèi)容詳解

內(nèi)容可向下滑動(dòng)

第一節(jié)：群體研究分析文獻(xiàn)解讀

1. 最新重測(cè)序、群體遺傳進(jìn)化、GWAS文章分析思路解析

2. 主要研究結(jié)果解讀

3. 可視化結(jié)果解析（常見的圖表類型，如PCA圖、系統(tǒng)發(fā)育樹、曼哈頓圖等解讀）

第二節(jié)：linux系統(tǒng)操作基礎(chǔ)+docker工具介紹與使用

1. Linux系統(tǒng)簡(jiǎn)介

2. 目錄結(jié)構(gòu)與基礎(chǔ)命令（cd, ls, mkdir, rm, chmod）

3. 文件操作與文本處理（grep, awk, sed, less, vim）

4. 掌握腳本(R/perl/python)，各種命令行工具使用以及任務(wù)管理

5. 認(rèn)識(shí)docker，了解鏡像、容器等概念

6. 熟悉docker鏡像的使用及容器管理

7. 分析環(huán)境搭建

第三節(jié)：重測(cè)序基礎(chǔ)分析講解

1. 重測(cè)序數(shù)據(jù)質(zhì)控（fastqc質(zhì)控、fastp對(duì)原始序列進(jìn)行去接頭，刪除低質(zhì)量的reads等）

2. 參考基因組比對(duì)（bwa、samtools等工具的使用）

3. 使用picard工具對(duì)bam文件排序，去重

4. 比對(duì)結(jié)果質(zhì)控（包括比對(duì)率分析，插入片段檢驗(yàn)，測(cè)序深度與覆蓋度統(tǒng)計(jì)）

5. 使用GATK進(jìn)行變異（SNP/INDEL）檢測(cè)（包含兩種方法：針對(duì)少量樣本直接生成vcf文件；多樣本先生成GVCF，再合并）

6. 變異結(jié)果質(zhì)控過濾，去掉低質(zhì)量變異結(jié)果（包括GATK hard-filtering；vcfutils過濾INDEL附近SNP位點(diǎn)；vcftools過濾MAF值、缺失率、位點(diǎn)測(cè)序深度、質(zhì)量值等）

7. ANNOVAR變異結(jié)果注釋

8. 變異結(jié)果統(tǒng)計(jì)與繪圖展示（包括樣本中各類型SNP/INDEL數(shù)量，及統(tǒng)計(jì)SNP/INDEL在染色體上的密度分布）

第四節(jié)：群體遺傳進(jìn)化分析講解

1. 群體結(jié)構(gòu)分析-進(jìn)化樹分析（FastTree、iqtree2、RAxML等多種工具構(gòu)建進(jìn)化樹）

2. 群體結(jié)構(gòu)分析-主成分分析（plink分析PCA）

3. 群體結(jié)構(gòu)分析-STRUCTURE分析（admixture分析群體結(jié)構(gòu)）

4. 連鎖不平衡分析（LDdecay）

5. 群體選擇消除分析（基于多樣性降低方法：FST、PI、ROD；基于頻譜差異方法：XP-CLR、tajima'D，及多種結(jié)果可視化效果：曼哈頓圖、散點(diǎn)圖、豎線圖）

6. 篩選受選擇區(qū)域基因

7. 種群歷史動(dòng)態(tài)分析（PSMC）及結(jié)果可視化

第五節(jié)：GWAS關(guān)聯(lián)分析講解

1. 性狀數(shù)據(jù)分析（包括性狀數(shù)據(jù)格式整理、多年多點(diǎn)數(shù)據(jù)BLUP計(jì)算、去除性狀數(shù)據(jù)中的離群值）

2. 基因型填充（針對(duì)測(cè)序深度較低，缺失率較高的數(shù)據(jù)）

3. GWAS關(guān)聯(lián)分析的模型簡(jiǎn)介（BLINK、FarmCPU、MLMM、SUPER、ECMLM、CMLM、MLM、GLM等）

4. 用不同的軟件、模型進(jìn)行GWAS關(guān)聯(lián)分析（tassel、gapit、emmax、gemma等）

5. GWAS關(guān)聯(lián)分析結(jié)果的manhattan、QQ圖繪制

6. GWAS顯著性位點(diǎn)篩選（根據(jù)Bonferroni方法確定p-value校正閾值）

7. GWAS關(guān)聯(lián)區(qū)域獲取（顯著性位點(diǎn)上下游區(qū)域獲?。?/p>

8. 篩選關(guān)聯(lián)區(qū)域內(nèi)基因

9. GWAS關(guān)聯(lián)區(qū)域LD連鎖熱圖繪制、解讀

10. GWAS關(guān)聯(lián)結(jié)果較少的原因分析

掃描下方二維碼聯(lián)系我們！

測(cè)序、數(shù)據(jù)分析、課程培訓(xùn)等事宜請(qǐng)聯(lián)系郵箱：Tech@biomics.com.cn