请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。
“玉米的LD衰减速度大约是拟南芥的六到七成，这意味着如果用拟南芥的那套参数来跑玉米的数据，可能会遇到计算上的偏差，结果也会出现误差。”
他指着其中一条曲线说，“所以迁移的第一步，是重新估计窗口大小。”
“这个不是凭经验猜的，需要通过计算LD衰减半衰期来反推。”
他切换到下一张PPT，上面并列排着两组热图，颜色深浅的分布有明显差异。
“左边是直接用拟南芥参数跑出来的结果，右边是重新估计后的结果。”
“左边的图里信号分布比较分散，就像在一张不太清晰的地图上寻找方向。”
“右边的图则呈现出更明显的区域性聚集。这种区别，对后续的位点筛选有直接影响。”
教室里有人拿出手机拍了屏幕，也有人低头在本子上开始记录。
林晓在讲台上走了一小步，换了个方向继续讲：“玉米、水稻、小麦，这三种作物我都跑过验证。”
“玉米的LD衰减速度比较慢，窗口可以放大一些。”
“水稻的衰减快，窗口需要调小一些。”
“小麦的多倍体性质则带来额外的位点冗余，需要在模型里做额外的权重衰减。”
看见
林晓试着问道：“我刚刚说到了权重衰减。”
“有没有人知道，不同作物的权重衰减系数是怎么确定的？”
到了这，前排的新生顿时眼睛都变得清澈了许多。
而后排的研究生虽然知道答案。
但他们本来就是来卧底的，自然不会出来自爆。
于是，林晓看着无人应答。
只好自顾自地回答了这个问题。
“第一步，根据群体的LD衰减曲线估算一个初始值。”
“第二步，跑一组小规模的交叉验证，看不同取值下的预测稳定性。”
“第三步，选择使结果稳定的中间值。”
“具体操作流程在《基因组遗传大数据分析方法》的附录部分有详细的步骤说明。
顿时，教室里响起一片翻页和记笔记的声音。
林晓没有再往下走，也没有刻意加快语速。
他翻到下一页，开始展示一组玉米上的实际验证数据。
他指着图中两条走势逐渐分开的线条说：“预测信号较强的分组和信号较弱的分组在田间表型上呈现出了明显的差异。”
“这两组材料的预测信号差异，在实际田间观测中被证实了。”
“这说明统计耦合不仅能预测，还能在表型层面被验证......”
“这门课的后半部分，我们会详细拆解这个验证过程。”
“包括数据来源、分组标准、田间设计，以及结果解读中需要注意的陷阱。”
.....
四十五分钟来到尾声。
林晓低头看了一眼时间。
“好了，第一节课的内容先热身到这里。”
“下周开始进入公式推导阶段。”
“建议大家提前预习相关内容。”
铃声响起。
林晓见无人提问，宣布了下课便离开了。
而教室里还是一片安静。
过了一会，终于有人反应过来。
“不是？”
“到这才是热身？”
“那最开始那段不算吗？？？”