PLINK 基因组输入
在线预测使用 BED/BIM/FAM 和数值表型文件，支持自动读取列名与选择协变量。
IASML · C++ Cloud
Intelligent Agricultural Solutions of Machine Learning
IASML 是 IAS 系列中的高性能机器学习与基因组预测平台。云端只开放经实际验证的 C++ 基因组回归预测模型；不提供分类、关联分析与特征重要性计算。
PLINK genomic prediction C++ native execution Cross-validation GEBV output
核心功能
从 SNP 编码、特征降维、系谱特征构建到模型训练与外部验证，IASML 将常见基因组选择机器学习流程整合为统一命令行与云端工作台。
原生 C++ 计算
在线科学计算由 IASML C++ 可执行文件承担，采用内置超参数搜索，不运行旧 Python IASML。
安全交叉验证
通过原生 C++ 交叉验证选择模型参数；可设置随机种子、折数和计算线程。
回归预测模型
按云端已安装发行版逐模型验收，提供 Linear、Ridge、LASSO、Elastic Net、PCR、PLS、SVR、RF 和 GBM 等候选。
可追溯运行结果
保存原生 GEBV、运行规范、模型摘要、任务日志以及结果清单，便于下载和审计。
我的任务与下载
恢复旧版任务管理方式，支持队列、查询、筛选、任务详情、下载和取消。
典型应用场景
IASML 软件生态的研究方向与典型应用。云端当前已开放的功能以“在线运行”页面为准。
基因组预测
PLINK 基因组与表型数据，提交原生 C++ 回归预测任务。
正则化预测
比较 Ridge、LASSO 和 Elastic Net 对高维 SNP 的预测表现。
潜在变量预测
PCR 与 PLS 在不同数据结构下提供降维预测方案。
支持向量回归
SVR-linear 与 SVR-RBF 使用 C++ 原生实现进行预测。
树与集成模型
Random Forest、GBM 用于非线性预测。
我的任务
查看状态、日志、结果文件，跨设备访问本人历史任务。
方法与模型预览
紧凑展示 IASML 在线端涉及的核心模块，用户可以先快速了解，再进入在线运行页选择任务。
输入数据
PLINK BED/BIM/FAM + 表型 TXT/TSV。
模型选择
仅展示同一 C++ 引擎已验收的回归模型。
线性回归
Linear、Ridge、LASSO、Elastic Net、PCR、PLS。
非线性回归
SVR-linear、SVR-RBF、Random Forest、GBM。
交叉验证
C++ 原生折数、随机种子和参数搜索；自定义因子/数值协变量。
输出管理
GEBV、原生摘要、任务图、模型报告和运行日志。
推荐分析流程
在线平台负责上传、排队与结果管理，科学模型由独立编译的 C++ IASML 计算。
1
上传数据
PLINK 三文件与数值表型。
2
选择性状
识别表型列、选择协变量。
3
C++ 模型
从原生已验收回归模型中选择。
4
查看结果
在旧版运行控制台及我的任务中查询与下载。
IASML 在线运行
保持 IASML 原版五步分析流程，科学计算只调用已安装的 C++ IASML；仅提供基因组回归预测。
1
选择目标
What to do
2
上传文件
Input files
3
选择性状
Trait / covariates
4
模型策略
Quick / custom
5
运行结果
Log / download
依次上传数据、确认性状列并选择经过服务器实际验收的 C++ 回归模型。
我的任务 / My Tasks
任务与登录邮箱绑定。您可以关闭浏览器、换电脑重新登录，再继续查询排队、运行和历史结果。
使用邮箱找回您的所有 IASML 任务
输入提交任务时使用的邮箱并完成验证码登录，即可跨电脑查看排队位置、运行状态、日志与结果。
IASML · DOWNLOADS
下载中心
本地软件发行包、命令行文档和示例数据。正式下载链接确认后再公布。
本地高性能 C++ IASML
本网站使用独立部署的 C++ IASML 二进制进行模型计算。软件安装包下载正在整理发布，下载中心不会提供未验收或无效链接。
可从顶部“在线运行”提交当前 C++ 发行版已经逐模型验收的预测任务。
帮助与说明
使用说明
云端采用邮箱验证码登录，仅开放经过接口验收的 C++ 回归预测；支持 BED/BIM/FAM、数值表型列、交叉验证及结果下载。
模型开放情况以当前服务器实际通过的验证清单为准。请不要上传未经授权的个人遗传数据。