被跳过的那一半工作
从一份原始基因型文件，到模型真正能读进去的矩阵之间，堆着一层没人写进论文、但每个人都要重做一遍的活。全基因组关联分析（GWAS）这几年是研究热点，可针对「大量 SNP 数据」的处理与插值并没有现成的应用：用得最多的 PLINK 1 有自己的格式约定，和下游模型的数据模型之间隔着一段；另有一些模型则要求先把高相关矩阵分块、再从里面取出正定的那些，而 PLINK 并没有直接做这件事的方法。
面向多需求的生物数据处理软件（登记号 2024SR1711525，软著登字第 14115398 号，2024 年 11 月 6 日登记，著作权人中国农业大学）把这一层做成了四个按钮，而不是一段换个人就要重写一遍的脚本。
四个操作
- hmp 转纯数阵。 读入
.hmp文件，按「空缺 / 隐性 / 显性」的判定转成0 / 1 / 2，导出无表头的纯数字矩阵——下游模型要的就是这个形状。 - 数字矩阵插值。 分行、列、行列三种模式：统计对应方向（或两个方向之积）上
1与2的比例，按这个比例把矩阵里的空位0随机补成1或2。方法本身是朴素且好用的随机数插值，好在能用、也说得清楚。 - 正定分块协方差矩阵获取。 按协方差（r²）把高相关的矩阵分块，并尽量多地取出其中正定的那些。
- 定比随机分组。 除表头外按给定比例把行随机分成两个文件，两个文件都继承原表头——测试集与验证集就是这么切出来的。
按使用手册里的定位，这四个操作分别对接下游的几类用法：0/1/2 生成的相关系数矩阵（Ld 矩阵）用作 Ref、Map 一类生物数学模型的输入；插值后的矩阵用于随机森林等分类模型估计表型；正定分块综合了前两者，服务于那些要求 Ld 矩阵正定的模型；定比随机分组用来切出测试集与验证集，测模型性能。
「正定分块」为什么占了过半的篇幅
因为它正是 PLINK 做不了、而绕开做又会出事的那一件：
- PLINK 本身没有直接完成这个需求的方法，而且速度较慢；
- 直接用它取分块矩阵，会不可避免地把不同分块之间的协方差矩阵也一并取出来，最后那个文件大到难以从里面挑出真正需要的东西；
- 我们把「提取矩阵」这一步交给 python 处理，而不是多开几个 PLINK 进程——这一点差别直接落在内存与 CPU 占用上。
流程是一个循环，不是一条流水线：读入原始碱基信息 → 提取 → 用 PLINK / PLINK2 得到分块 → 用 python 算出分块矩阵 → 用 numpy 筛正定比例 → 达标就停；未达标则把非正定的那些挑出来，据此生成「再次分块」的碱基信息，回到开头，直到总的正定比例达到阈值。结果落在当前目录 result/chunks/ 下以 .vars 结尾的文件里。
既然是循环、又带阈值，那个阈值就得由用户自己用滑动条给定——这个参数没有「正确值」，它取决于下游模型能接受多少不满足条件的矩阵。
为什么它是一个软件，而不是几个脚本
这四个操作各写一遍是一个下午，各自维护一年是一次后悔：三个月后有人重跑，拿到的版本和论文里那一版对不上。把它们收拢成一个行为固定的登记软件，差别就在这里——每次跑出来的是同样的东西，而且下一个人不必再去翻「当初生成这个矩阵的那段脚本」。
使用手册里另外写进了两条工程上的自律，值得留在页面上：只支持标准格式的 hmp 与 csv（以半角逗号分隔），格式不对就报错，不猜；处理过程中 CPU 会被大量占用、界面可能卡顿，这是正常现象而不是死掉。
环境
Python 环境即可。界面用 PySide6，另外用到 numpy、pandas、tqdm、chardet 等常规包。只有第三个功能需要 PLINK 与 PLINK2——不用它就不必下载。Windows、Linux、macOS 都可以跑。
因为程序对原始数据只做读取，中途关掉窗口不会动到原文件。
这一页不写的
用它跑过的那批数据。数据属于产出它们的研究，不属于这个工具。