本篇文章从个体、家系到自然群体三个层级梳理遗传育种项目中常见的研究设计路径，并比较 WGS、液相芯片与固相芯片在原理、成本和应用场景上的差异，从而在不同样本规模与目标性状假设下，快速做出合理的技术路线选择。

1. 解决问题

• 目标：解释“为什么这样选核心集是合理的”，并给出在不同业务目标下可替换的算法与指标体系。
• 适用：答疑、方法学复用、与客户/评审对齐“代表性 vs 多样性”的取舍。

1. 解决问题

• 目标：回答两件事——“任务如何证明已完成？”以及“结果对业务意味着什么？”
• 范围：本篇聚焦交付物结构、关键字段解释与验收指标；算法原理放在第 05 篇。

这篇笔记按“真实动手的时间顺序”写：先把基因型矩阵准备干净，再做结构理解与核心集优化，最后用指标与图证明核心集可靠，并整理交付物。

解决问题

• 目标：在开始执行前，明确“必须满足的硬性条件”，避免因为样本/数据/环境缺陷导致返工或结题风险。

摘要：核心种质（Core Set）是“从海量种质中挑出一个小而精、却能在遗传/表型空间上代表整体”的子集，本质是一个在给定成本约束下的多目标优化问题：在代表性（coverage）、内部多样性（diversity）以及业务结构约束（PC/MC 等）之间做权衡。本篇重点说明核心种质筛选的技术背景。

这篇笔记把GWAS实战里最常“落地”的部分集中整理：常见输入输出文件长什么样、Manhattan/QQ图怎么看、以及最终交付物通常包含哪些表。

这篇笔记整理 从零开始做一项GWAS 的通用流程，并把常见软件工具（示例：TASSEL、METAL等）与关键参数/注意点放在同一处，便于以后做实战时直接对照补全。

这篇笔记聚焦 GWAS 的“为什么”和“怎么算”：GWAS在统计学上在做什么、为什么LD是GWAS成立的关键前提、多重检验阈值从何而来，以及常见术语在文献里具体指什么。

这篇笔记改为 GWAS总览入口。为了便于后续实战与复用，我把原先混在一起的内容拆成了三篇更聚焦的文档：原理、流程（含软件/参数）、文件与结果解读。