大家好，我是飞哥，今天随便聊聊关于高效学习一个新事物。

工作了一天，开了半天的会，敲了半天的代码，典型的周一呀！

话说前几天我的公众号关注人数超过了一万，非常感谢大家的支持。我之前分享了一篇GWAS的电子书，阅读量超过了1万，历史最高。这个1万，那个1万，感觉比2万的金钱对我的激励更大。

其实，GWAS分析之前我也没有接触过，因为项目需要学习了一下，发现它和基因组选择（GS）很像，都是利用LMM（混合线性模型）。学习的过程中，基本是查看软件的说明文档，运行软件的示例数据，然后操作下来，得到结果。但是有点怅然若失，总感觉根基不稳，原理没有弄清楚，有点虚。

于是，我就从简单的T检验，一般线性模型，logistic模型，混合线性模型开始看起，查看相关教程，编写一些代码去进行验证我的理解。然后逐渐明白了GWAS分析的P值是怎么计算出来的，效应值effect是什么东东，协变量是如何添加的，为何会有GLM模型和LMM模型。

在学习的过程中，我也有总结记录的习惯。在理解一个概念后，我想把我的理解写出来，想着可以帮助别人更快的理解相关概念。事实证明，确实如此。

因为互联网上，很多知识都很零碎，搜索起来诸多不便。而且因为GWAS这个领域很小，懂得人懂了，不懂得还是不懂，很少有懂得人把懂得过程写出来，帮助不懂得人在懂得道路上更快的懂。（话说这句话很绕）

所以，我就在公众号上写了一些笔记，开了一个GWAS的专辑，也在B站上更新了一系列视频。

但是，我也有自己的忧伤：把已经弄懂的东西，重新写出来，总是很烦，这种烦就像写好的代码再写注释一样的烦。所以教程断断续续，因为探索未知的事情让人振奋，而回锅旧知识总是让人无味。

但是Flag已经立下，所以咬着牙也要坚持。

回到开头，最高效的方法是什么？去做，去实践，去上手操作！

如果有个教程，有数据，有代码，有解释，直接去操作一遍，有问题去查找答案，有疑问去解决疑问，这无疑就是最高效的方法。

无论是机器学习，还是神经网络，还是统计学习，还是GWAS学习。遗憾的是，这样的教程很少。

所以，我才将我之前写的GWAS学习笔记，编写成GWAS的pdf教程，这样对于新手，刚入门的，想入门的同学有一个更快的、更高效的学习资料。

回头看一下这个pdf教程，骨架基本有了，但是里面排版和内容还有待补充。那就留到第二版吧。

领取方法：

「总结：」

骑自行车，学习游泳，看了很多书籍，懂了很多原理，最终还是要上手去做的。学习GWAS也是，在操作中学习，在项目中理解，才是最高效的。

ps：

TASSEL教程还没有编写好。

别问，问就是还在进行中……

我还想将教程，从新录制一套视频，然后……

别问，问就是视频还在录制中……

以上，就是我总结的高效学习的方法，没有领取GWAS教程的赶紧领取吧！