育种数据分析之放飞自我分享 http://blog.sciencenet.cn/u/yijiaobai 关注:生物统计,数量遗传,混合线性模型,生物信息,R,Perl,Python,GWAS,GS相关方法,文章及代码

博文

Partially replicated (p-rep) designs 文献解析及实现方法

已有 2859 次阅读 2017-8-23 17:58 |个人分类:农学统计|系统分类:科研笔记

参考文献

Moehring J, Williams E R, Piepho H P. Efficiency of augmented p-rep designs in multi-environmental trials[J]. Tag.theoretical & Applied Genetics.theoretische Und Angewandte Genetik, 2014, 127(5):1049-1060.

摘要

这篇论文介绍了在多环境测试(MET)中效率较高的试验设计方案:部分重复设计(p-rep design),如果需要有一定的对照重复,可以使用增广p-rep试验(augmented p-pre)。

方法介绍

增广alpha-lattice
在玉米、小麦和水稻早代测试中,增广设计使用比较普遍,它可以操作品种无重复而对照有重复的方案,在种子量有限的情况下,有限考虑多个地点而不是一个地点的多个重复,对照有重复可以估算区组的效应,进而矫正和比较品种之间的优劣。

增广P-rep
Cullis(J AgriBiol, 2006)提出使用一些品种(entries)的重复代替对照(check)的重复,这些部分重复的品种作为格子型(grid-plot)分布估算误差,这就构成了部分重复试验设计(P-reo design),Williams(Biom,2011)将增广P-rep予以应用。

增广alpha-lattice VS 增广P-rep
在多环境测试中(MET),两种试验的试验效率进行比较,结果表明P-rep试验设计效率更高,分析时更适合做随机因子预测BLUP值,对于品种有亲缘关系时优势更加明显。

增广alpha-lattice或间比法的缺点
十分依赖于对照,因为区组的误差和品种的校正值都依赖于对照的表型,如果对照表现变化比较大,就会影响品种的矫正结果。而且品种的排列过多会占用大量的资源,我们感兴趣的是对品种的评价。

试验设计方案

设计软件:
Cycdesign

增广试验方案

增广试验中,每12个plot为一个block,里面含有10 品种+2对照。试验设计方案里面,白色的是测试品种,褐色的为对照。

P-rep试验方案

P-rep design

这里面没有对照,白色的为无重复品种,浅褐色的为重复一次的品种,深褐色的为重复两次的品种。

分析方法

分析模型
model
L为地点,R为重复,B为区组,G为品种,因为区组镶嵌在重复中,重复镶嵌在地点中,所以模型写作为:L + L.R + L.R.B + G + G.L。
分析模型采用reml的混合线性方法,L + L.R + L.R.B作为固定因子,G和G.L作为随机因子。

模型按照空间分析的模型分为四种:

  • 无结构
  • AR1
  • AR1 + nugget
  • LV + nugget
    模型的评价AIC指标:

model compare

讨论和建议
  • 如果使用不完全区组设计,每一列尽量包含整数倍的区组
  • 空间分析中,AR1 X AR1(二维的)要好于AR1(一维的)
  • nugget效应加到空间分析中,会提高模型的效果
文中其它有趣的讨论
  • 环境是作为固定因子,还是随机因子
  • 为什么要使用不完全区组设计
  • 重复数如何设置
  • 空间分析注意事项

微信公众号:

wechat



https://blog.sciencenet.cn/blog-2577109-1072426.html

上一篇:关于MET数据中地点间异质性检验的问题
下一篇:如何用notepad 支持在Linux上安装的asreml的语法
收藏 IP: 111.202.84.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-3-29 01:02

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部