每日学习：贪心算法（SNP聚集的补充阅读）
最显著SNP法寻找独立基因位点
如何对自己计算获得的GWAS的summary statistics，或者公开数据库中的GWAS结果寻找独立基因位点，用于论文结果展示。
付费内容：
Plink-clump（聚集）代码及解释、原理解析、结果分析、数据下载链接、常用参数设置等及录音。
---今日内容---
---以下内容一部分摘自知乎“小白算法”---
---PLINK相关部分为爱学妹自我领悟、举一反三，暂无参考文献支持---
贪心算法（Greedy Algorithm) ，又名贪婪法，是寻找最优解问题的常用方法，这种方法模式一般将求解过程分成若干个步骤，但每个步骤都应用贪心原则，选取当前状态下最好/最优的选择（局部最有利的选择），并以此希望最后堆叠出的结果也是最好/最优的解。
贪婪法的基本步骤：
步骤1：从某个初始解出发；
步骤2：采用迭代的过程，当可以向目标前进一步时，就根据局部最优策略，得到一部分解，缩小问题规模；
步骤3：将所有解综合起来。
事例：找零钱问题
假设你开了间小店，不能电子支付，钱柜里的货币只有 25 分、10 分、5 分和 1 分四种硬币，如果你是售货员且要找给客户 41 分钱的硬币，如何安排才能找给客人的钱既正确且硬币的个数又最少？
这里需要明确的几个点：
1.货币只有 25 分、10 分、5 分和 1 分四种硬币；
2.找给客户 41 分钱的硬币；
3.硬币最少化
用贪婪算法的做法
找给顾客sum_money=41分钱，可选择的是25 分、10 分、5 分和 1 分四种硬币。能找25分的，不找10分的原则，初次先找给顾客25分；
还差顾客sum_money=41-25=16。然后从25 分、10 分、5 分和 1 分四种硬币选取局部最优的给顾客，也就是选10分的，此时sum_money=16-10=6。
重复迭代过程，还需要sum_money=6-5=1,sum_money=1-1=0。至此，顾客收到零钱，交易结束；
此时41分，分成了1个25，1个10，1个5，1个1，共四枚硬币。
总结：贪心算法的优缺点
优点：简单，高效，省去了为了找最优解可能需要穷举操作，通常作为其它算法的辅助算法来使用；
缺点：不从总体上考虑其它可能情况，每次选取局部最优解，不再进行回溯处理，所以很少情况下得到最优解。
PLINK-clump过程
（爱学妹自我领悟，无参考文献。如有错误，欢迎后台沟通）
PLINK相关代码及默认参数设置请至链接：
1. 找到索引SNP（P-value < 0.0001)，及+/-250kb的所有SNP
2. 计算索引SNP与相邻SNP的LD
（点击超链接进入）
3. 如果LD值大于0.5，从列表中剔除P-value较大的SNP
4. 再对第三步中留下的SNP，与下一个SNP计算LD
5. 重复步骤3和4，直到以一个索引SNP为起头的所有的SNP都进行了LD计算
6. 将最终剩下的局部最优SNP留下
7. 重复步骤2-6，直到所有的索引SNP都计算完毕
8. 如果某一个索引SNP在另一个索引SNP的+/-250kb范围以内，则跳过该SNP（即该SNP不会再次成为索引SNP，即不会触发步骤2-6）。
Omics