基因组规模上的聚合数据类型的相似性网络融合 （本文是对similarity network fusion for aggregating data types on a genomic scale 整体文章的翻译，对于后面理论公式部分可以参照该朋友的笔记） 摘要 近期的技术已经使收集不同类型的全基因组数据十分划算，结合这些数据去创建一个给定的疾病或生物过程的一个全面视图的计算方法是有必要的。

FishOS支持基因组研究，为埃伯哈德·卡尔斯大学的云计算提供动力，通过蒂宾根的大学计算中心为生物信息学家提供云环境。 生命科学和信息技术的发展对生物信息学的跨学科性质产生了深远的影响；生物信息学正在经历从内部计算基础设施到云计算的新飞跃，以处理高通量实验技术产生的大量生物数据。高通量技术的可用性以及基因组学和药物基因组学在大群体研究中的应用正在产生越来越多的实验和临床数据，以及分布在互联网上的

GIF值通常用在GWA过程中，用来控制该过程质量；鉴别出那些低质量的基因标记；例如在统计学中，GIF值大于1.0表示结果有低质量数据的出现； 那么我们如何计算gwa中的GIF呢；在matlab中，我们使用qqplot（）来生成QQplot图，但是这并不意味这我们能够很容易的计算并得到GIF值，我们生成QQplot以后才能从头计算GIF。 第一步就是，我们首先得到正态分布的期望顺序统计量；正态分