方法训练 | Non-Graded Practice#
这些任务是课程汇报前的低风险训练场。你可以只完成与选题相关的部分，也可以把产出直接转化为流程图、方法说明、质量控制表或局限性讨论。
考核说明
当前课程考核只有课程汇报。下列训练不单独计分，也不要求统一提交；除非任课教师在课堂上另行说明。
训练任务 | Practice Tracks#
P0 · 计算环境与可复现性
建立可重复创建的分析环境，记录版本、命令、输入输出与最小测试。
适合： 所有真实数据分析选题
P1 · 序列相似性与注释
解释 BLAST 或同类搜索的 top hits、覆盖度、相似度、E-value 与潜在假阳性。
对应： L2–L3
P2 · 宏基因组分析设计
绘制从 reads 到 assembly、binning、MAG 质量评估的流程，标注失败点与替代路径。
对应： L4–L8
P3 · 生态解释与报告
从丰度、注释或多样性结果中构建一页结论，同时区分描述、关联与机制推断。
对应： L9–L10
推荐训练顺序 | Suggested Workflow#
步骤 |
行动 |
最小产出 |
|---|---|---|
01 · 选题对齐 |
从课程汇报问题中找出最不确定的方法环节 |
一句话训练目标 |
02 · 小规模运行 |
使用最小数据或公开示例验证流程 |
可运行命令与日志 |
03 · 记录判断 |
写下选择该方法、参数或阈值的理由 |
方法决策表 |
04 · 制造失败 |
主动测试一个边界条件或失败场景 |
失败表现与诊断 |
05 · 汇入汇报 |
只保留能支撑核心论点的结果 |
一张图、表或流程图 |
训练完成标准 | Completion Standard#
一次有效训练不以“命令成功结束”为终点，而应至少留下四类可核查信息：
输入： 数据来源、格式、规模与质量状态。
过程： 软件版本、关键参数、运行环境与日志。
输出： 文件含义、基本验证与可视化结果。
判断： 结果能支持什么、不能支持什么，以及下一步如何验证。
与课程汇报的关系
训练中最有价值的内容通常不是完整输出，而是一个更清楚的参数理由、一个被识别的失败风险、一个可复现的流程节点，或一个经得起追问的替代解释。