1. 框架基础

首选PyTorch

课程资料：小土堆的PyTorch入门课

2. 理论基础

李沐的《动手学深度学习》

3. 后续进阶

happy魇的“基本功系列”

【金山文档 | WPS云文档】 Ubuntu容器的初始配置__ubuntu_conda

https://kdocs.cn/l/cpLvR6SfjqGv

金山文档 | WPS云文档】 7-私有镜像仓库构建-成功版 

https://kdocs.cn/l/cpfVQkGQoEFH

通过CloudCompare点云数据处理与单木分割的学习

包含了拍照，考种，播种等用到的工具。

香榧考种工具汇总（包括二维码制作）.xlsx

整个过程借鉴于https://tripal.readthedocs.io/en/latest/user_guide/example_genomics/func_annots/interpro.html

一、从GitHub上面下载模块https://github.com/tripal/tripal_analysis_interpro/archive/refs/heads/7.x-3.x.zip 到modules目录下面

解压后去网站控制端进行安装 Tripal Interpro 这个模块

二、前期数据的准备工作：

这里首先需要了解一个网页工具 InterPro，引用文献：

• BayesA/BayesB：使用 BGLR 包中的 BGLR 函数，选择相应的模型。

 • BayesC 和 BayesRR：使用 BGLR 包，通过 BGLR 函数中的 ETA 参数指定模型。 

使用BGLR包进行计算：

继前面使用MCScanX自带工具进行可视化以后，觉得有点丑陋，后续发现了新的一个在线工具：synvisio

1.首先进行结果文件的上传

点击导航栏处的 UPLOAD OWN DATA TO DASHBOARD，这里需要上传我们使用MCScanX得到的 MCScanX Collinearity File和 GFF File，到这里就可以得到最基础的两个物种间的共线性结果可视化了（这个暂时只支持做两个物种的共线性关系）

2.其次对可视化进行配置

一、准备工作

使用MCScanX得到 .collinearity共线性结果文件，并且按照其要求处理得到特定的 .gff注释文件，这里均以os_sb测试

二、可视化结果

首先准备绘图配置文件 .ctl，文件内容如下（其中参数根据具体需求自行修改）：

1500    //dimension (in pixels) of the x-axis
1500    //dimension (in pixels) of the y-axis
os1,os2,os3,os4,os5,os6,os7,os8,os9,os10,os11,os12      //chromosomes in x-axis
sb1,sb2,sb3,sb4,sb5,sb6,sb7,sb8,sb9,sb10        //chromosomes in y-axis

1.dual synteny plots