本页面已设置访问密码，请输入密码查看全文：
1. 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。
2. 样本质量准入（QC Pass）
2.1 定量指标（实验室侧）
- 浓度：[填写项目标准]（如 ng/µL 下限）
- 总量：[填写项目标准]（如 µg 下限）
- 纯度：A260/280、A260/230 [阈值]
2.2 定性证据（实验室侧）
- 完整度：电泳条带/峰图 [判定规则]
- 降解/污染：是否有明显降解拖尾、RNA/盐/酚污染证据
2.3 数据质量准入（生信侧，按输入形态）
若输入为 VCF/基因型矩阵
- 样本缺失率：(<) [阈值]
- 位点缺失率：(<) [阈值]
- MAF 下限：(>) [阈值]（常用 0.01 或 0.05）
- 异常样本识别：杂合率极端、污染/混样可疑、重复样本（IBD/PI_HAT）异常
若输入为 FASTQ/BAM（需要从头做变异检测）
- 基础质控：Q30、接头污染、序列长度分布
- 比对质量：比对率、重复率、覆盖度/深度分布、插入片段长度分布（PE）
上游样本要求（样本设计）
- 样本覆盖：尽量覆盖地理来源、类型/生态型、育种阶段与已知亚群；避免样本集中在单一区域或单一血缘。
- 样本规模：不宜机械采用“10% 规则”，更推荐用梯度模拟寻找拐点（核心集规模常见在 (5\%\sim 25\%) 波动，取决于结构复杂度与下游目标）。
- 元数据完整性：地理来源、品种类型、表型记录、批次信息等，会直接影响分层/约束与结果可解释性。
测序与变异数据要求（数据形态与深度策略）
- 浅层重测序（约 1×–4×）：适合超大规模初筛；通常需要配合高质量参考面板与可靠 imputation。
- 标准重测序（约 5×–15×）：行业主流折中方案，适用于多数群体结构与核心集构建任务。
- 高深度测序（约 30× 及以上）：用于高质量参考基因组、极低频变异或更苛刻的变异检测需求。
3. 计算环境要求
3.1 软件依赖
版本必须在项目启动时固化；后续变更需做可重复性说明。
- 基础：
bash/zsh - VCF/矩阵处理：
vcftools、bcftools、PLINK - 核心集筛选：
Core Hunter 3（或GenoCore） - 群体结构/降维：
ADMIXTURE、R 包SNPRelate - 树与可视化：
FastTree、R/ Python 绘图工具链 - 标识生成（可选）：
qrencode
3.2 数据库依赖
- 参考基因组：版本号/来源（FASTA + index）
- 注释库（可选）：SnpEff 数据库版本与路径；或 Ensembl/自建注释版本与路径
4. 资源配置建议（算力）
4.1 按任务阶段给建议
- 矩阵清洗/LD：CPU 多核 + 足够内存（与样本量、位点数相关）
- 核心集优化（启发式/多目标优化）：CPU 多核，建议保留并行能力；需要记录随机种子/迭代次数
- PCA/矩阵分解：内存敏感（尤其是大矩阵），建议优先用高效实现（如
SNPRelate） - 变异检测（若做）：CPU/IO 压力大；GPU 非必需（除非明确采用某些深度学习流程）
4.2 资源“最小可用”与“推荐配置”（占位模板）
- 最小可用：CPU [x] 核 / 内存 [y] GB / 磁盘 [z] GB
- 推荐配置：CPU [x] 核 / 内存 [y] GB / 磁盘 [z] GB
5. 样本规模与测序深度策略（项目启动前必须定）
5.1 核心集规模：拒绝机械“10% 规则”
- 建议做法：用第 03 篇的“梯度规模模拟”找拐点，而不是固定比例拍脑袋。
- 经验范围：核心集规模在 (5\%\sim 25\%) 区间波动更常见，取决于群体结构复杂度与下游目标（GWAS/保护/资源库去冗余等）。
- 业务冲突提示：育种往往偏“代表性（常见等位基因）”，保护遗传学往往偏“多样性（稀有等位基因）”；启动会需把权重/约束写进配置。
5.2 测序深度分层（当项目涉及测序策略或上游方案评估）
- 浅层基因组测序（约 1×–4×）：适合超大规模初筛；通常需要可靠 imputation 与足够的参考面板支撑。
- 标准全基因组重测序（约 5×–15×）：行业主流折中方案，适用于多数核心集构建与群体结构任务。
- 高深度（约 30× 及以上）：用于高质量参考、极低频变异/更苛刻检测需求；成本高，需明确收益。
5.3 检测载体选择（SNP 芯片 vs 靶向捕获/液相芯片，按业务选）
- 固相 SNP 芯片：通量高、单位位点成本低，但在复杂/多倍体基因组可能受非特异性杂交影响，且迭代灵活性不足。
- 靶向捕获测序/液相芯片（GBTS 等）：探针池更易迭代，除既定位点外可发现覆盖区域新变异；更适合需要持续迭代面板的育种业务（需评估交付周期与成本）。
5. 风险清单（启动前必须澄清）
- 群体结构字段缺失：无法分层/约束，代表性解释会变弱
- 批次效应：不同批次/平台混合导致假结构
- 倍性/杂合度特殊：可能影响位点过滤口径与距离度量选择
- 参考偏差（可选关注）：结构变异丰富物种，线性参考可能导致比对偏差（见第 05 篇）