博文
双性状分析之MCMCglmm篇
||
对于多性状分析，R中的程序包MCMCglmm也可进行asreml-r的类似分析，只是代码更为复杂。
MCMCglmm程序包代码如下：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 | ############ 代码清单 ########## library( MCMCglmm ) phen.var <- matrix( c( var( df.2$dj, na.rm = T) , 0, 0, var( df.2$h5, na.rm = T )), 2, 2) prior<-list(G=list( G1 = list( V = phen.var / 2, n = 2 )), # G结构初始值 R = list( V = phen.var / 2, n = 2 )) # R结构初始值 m2.glmm <- MCMCglmm( cbind(dj, h5) ~ trait -1 + trait : Rep, random = ~ us(trait):Fam, rcov = ~ us(trait) : units, data = df.2, family = c( "gaussian", "gaussian" ), nitt = 130000, thin = 100, burnin = 30000, prior = prior, verbose = F ) # 结果提取 summary(m2.glmm) posterior.mode(m2.glmm$VCV) # 计算遗传力 A.h2.glmm <- 4 * m2.glmm$VCV[,'dj:dj.Fam'] / ( m2.glmm$VCV[,'dj:dj.Fam'] + m2.glmm$VCV[,'dj:dj.units']) posterior.mode(A.h2.glmm) B.h2.glmm <- 4 * m2.glmm$VCV[,'h5:h5.Fam'] / (m2.glmm$VCV[, 'h5:h5.Fam'] + m2.glmm$VCV[,'h5:h5.units']) # 计算遗传相关 gCorr.glmm <-m2.glmm$VCV[,'h5:dj.Fam'] / sqrt( m2.glmm$VCV[, 'dj:dj.Fam'] * m2.glmm$VCV[, 'h5:h5.Fam']) # 计算表型相关 pCorr.glmm <- (m2.glmm$VCV[,'h5:dj.Fam'] + m2.glmm$VCV[, 'h5:dj.units'] ) / sqrt(( m2.glmm$VCV[, 'dj:dj.Fam'] + m2.glmm$VCV[, 'dj:dj.units'] ) * ( m2.glmm$VCV[, 'h5:h5.Fam'] + m2.glmm$VCV[,'h5:h5.units'])) posterior.mode(B.h2.glmm);posterior.mode(gCorr.glmm);posterior.mode(pCorr.glmm) |
运行结果如下：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 | > posterior.mode(m2.glmm$VCV) # 方差分量 dj:dj.Fam h5:dj.Fam dj:h5.Fam h5:h5.Fam dj:dj.units 7.723708e-05 4.709730e-02 4.709730e-02 6.967567e+02 4.945213e-04 h5:dj.units dj:h5.units h5:h5.units -1.887868e-01 -1.887868e-01 5.417873e+03 > posterior.mode(A.h2.glmm) # dj遗传力 var1 0.4764733 > posterior.mode(B.h2.glmm) # h5遗传力 var1 0.5959831 > posterior.mode(gCorr.glmm) # 遗传相关 var1 0.2416088 > posterior.mode(pCorr.glmm) # 表型相关 var1 -0.0980515 |
比较asreml-r和MCMCglmm分析的结果可以发现，性状dj的方差分量、遗传力结果都比较接近，而对于h5，MCMCglmm所得的方差分量偏大。两性状之间的遗传协方差和误差协方差、表型相关结果基本一致，但遗传相关，MCMCglmm所得结果偏小。
https://blog.sciencenet.cn/blog-1114360-736009.html
上一篇：G×E分析之ASReml-R篇
下一篇：主成分分析之R篇
