简单来说，这个软件的原理是：两个位点之间的“连锁不平衡”程度，就像是记录它们在过去某段时间里共同历史的“快照”。通过分析不同距离的位点对的LD程度，我们就能像拼拼图一样，重建出不同历史时期的有效群体大小。

本文档结合了基因组复杂性评估标准以及多维数据综合判定方法。

本指南详细说明如何在高性能计算（HPC）集群环境中，通过容器化方式安装和部署软件。以K-mer计数器（KMC）为例，展示从创建专用目录、配置参数、构建容器到最终同步验证的完整流程。适用于需要在多节点环境中保证软件环境一致性的分析任务。

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。

核心种质优化的底层原理。

跑出来核心集后，如何评估？

使用CoreHunter3提取core-set的分析流程。

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。