在看极大似然估计的公式时，一个问题一直盘旋在我的心中，为什么对于连续变量采用概率密度函数呢？

假设 和 为 的方阵，存在 ，证明 ，或者说 和 互为逆矩阵。

在看吴恩达老师CS229课程时，看吴老师推导线性回归的正规方程组（）时，感觉不是很系统，而且引入了一个新的概念，矩阵求导。这部分内容之前上育种课的时候就感觉云里雾里，这次花了些时间，把这一部分内容搞懂了。

最近准备一些材料时需要计算每个SNP三种分型的基因型频率和MAF，plink 软件只给出 MAF，因此写了一个简单的代码实现它。

有的时候，你可能需要比较两个文件的实质内容是否一样，或者某一个文件的内容是否均包含在另一个文件，你可以看看本代码。

比对两个plink文件共同样本共同位点的基因型，合并了 两个Plink文件样本间基因型比对代码实现 和 两个Plink文件同一SNP基因型比对代码实现 的内容。

当你用 plink 软件合并同一款芯片的多对plink文件时，出现了下述报错，提示有些位点不是二等位基因型。

1

Error: Variant '1_242598' is not biallelic.

这时候你就需要找到有问题的plink文件

一般来说 Plink 文件中的SNP顺序并不影响任何操作，如果有必要的话，可以通过下面这个代码以指定SNP顺序调整plink文件。

这个代码是提取FASTA文件描述行中含有特定字符的记录。

这个脚本代码量很少，但是需要动一下脑子，难点在于序列部分的行数是不固定的。

这个是规整某类格式”不规范“的基因型数据的脚本实现说明，同时采用了 R 和 python 进行实现。

这个需求实现起来说难不难，说易不易，仅是为了将下面我要提到的这类下机的基因型数据转变为常用的plink格式。这里的两个代码可能本身对其他人无法直接使用，但是还是有些借鉴作用。