注释版本基因对照表v2

香榧已有注释文件说明书

一、仪器介绍

可以测量Fluo和P700

测量前准备：将材料进行暗适应，20-30分钟。

测量时：需要在黑暗环境下，夹住叶片，每个测量时间为5分钟。

二、数据解读

1、基础荧光参数

（1）初始荧光F0

当所有光系统Ⅱ（PSⅡ）反应中心均处于开放状态时，叶绿素分子所发射出的最小荧光。它反映了叶绿素吸收光能但未被用于光合作用光化学反应时的能量耗散情况。

（2）最大荧光Fm

在所有PSⅡ反应中心都处于关闭状态时所测量到的最大荧光产量。这一数值与PSⅡ反应中心捕获光能的能力相关。

（3）可变荧光Fv

由公式Fv = Fm - F0计算得出。它代表了PSⅡ反应中心将吸收的光能转化为化学能的潜力。

2、光化学效率参数

（1）PSⅡ最大光化学量子产量（Fv/Fm）

https://pan.baidu.com/s/1qncYdWM6nFrPzhSn0eYRqw?pwd=1234

gwas分析后得到csv文件，首先利用excel，筛选gene，然后分列，将名字形成新的文件，如下。

（1）分列后得到的文件

【金山文档 | WPS云文档】 
https://kdocs.cn/l/cp7P3ZultPn2

 https://kdocs.cn/l/crKDzrnmDAz0

【金山文档 | WPS云文档】 选择性搜索算法(Selective Search) https://kdocs.cn/l/cpSiDOPxOQud

【金山文档 | WPS云文档】 MAP指标影响因素及指标 https://kdocs.cn/l/ctjyElPxMFmp

mAP指标影响因素及指标
影响mAP指标的因素
mAP是深度学习模型性能评估中非常重要的一种指标。比如在图像分类任务中，mAP指标可以帮助评估模型在真实图像数据上的性能，并且可以帮助选择适合任务的模型。 
影响mAP指标的因素：
（1）模型的复杂度
模型的复杂度是影响mAP指标的一个重要因素。模型的复杂度越高，模型对数据集的拟合能力越强，模型在测试数据集上的性能也会越好。然而，模型的复杂度过高会导致模型训练时间过长，从而降低模型的性能。
（2）数据集的大小
数据集的大小也是影响mAP指标的一个重要因素。数据集越大，模型的性能也会越好。然而，如果数据集过大，模型的训练时间会增加，从而降低模型的性能。
（3）超参数的选择
超参数是影响模型性能的另一个重要因素。超参数的选择会影响模型的拟合能力，从而影响模型在测试数据集上的性能。超参数的选择不当会导致模型的性能下降。

【金山文档 | WPS云文档】 空间转录组-supspot点的中位基因数查看
https://kdocs.cn/l/ctspI2cCYFAJ

文档版及使用脚本在附件