挂掉袁老的电话之后，赵阳看了一眼时间，晚上七点过十分。
“小新，帮我倒一杯热水。”
赵阳朝着小新吩咐道。
“好的主人。”
现在的小新，已经给它做了很多躯体，效果都非常的不错，端茶倒水这种事情，对小新来说，轻轻松松。
热水刚到的时候，邮箱提示音刚好响起。
赵阳看了一眼，时袁老那边团队发过来的邮件。
袁老那边的人动作确实快，这么一小会儿，压缩包就已经发过来了，文件名是一串日期加上杂交水稻母本基因的缩写，大小将近5个g.
雷厉风行，就像袁老一样。
赵阳心中对这个很赞赏。
赵阳解压缩之后把文件夹打开，大概看了一眼，很快心中便有了数。
里面的内容分成了几类：完整的基因组测序数据、表型观测记录、实验田的土壤和气候参数，还有几十份手工填写的纸质记录扫描件。数据量不算小，而且格式不太统一，有些表格的列名用的是中文简写，需要先把它们标准化才能放进同一个分析框架里。
小新声音传来："主人，这些数据需要做清洗和标注。我建议先把测序数据单独抽出来做质量评估，然后跟表型数据做关联映射。纸质扫描件那边我可以做OCR提取，但里面有部分手写体识别率可能偏低。"
赵阳点了下头："先做测序数据的清洗，质量评估的标准按常规阈值走，低于阈值的片段直接剔除。纸质资料我先不看，你把表格类的都整理成统一字段命名，其他的等第一轮筛选完了再说。"
小新应了一声，后台的运算进程开始。赵阳把椅子往前拉了拉，手指放在键盘上，开始搭建初步的数学模型。
这个模型的核心任务看起来很简单但实际操作起来很复杂。
毕竟，这可是需要在成千上万个基因位点中，找出那些跟改良性状高度相关的候选对象。
常规的做法是用统计关联分析挨个位点去测，计算量大而且容易漏掉那些相互作用效应不明显的组合。
赵阳的思路不太一样，他决定先构建一个基于信息熵的筛选框架，把表型数据作为目标变量，然后把基因组上的每个位点看作一个特征维度，通过计算互信息来评估它们对目标变量的解释力。
这个方法的优势在于不依赖线性假设，能够捕捉到非线性的关联模式，但缺点是计算量比传统方法大了不止一个量级。如果没有小新
（本章节未完结，点击下一页翻页继续阅读）
正在加载...