原文下载

文章

Silva N H D, Gea L, Lowe R. Genetic analysis of resistance to Pseudomonas syringae pv. actinidiae (Psa) in a kiwifruit progeny test: an application of generalised linear mixed models (GLMMs)[J]. SpringerPlus, 2014, 3(1):1-12.

摘要

线性混合模型（LMM）可以整合亲缘关系和空间相关矩阵，可以在动物模型中估计遗传参数和育种值，因此在动物和植物育种中应用广泛。

广义线性混合模型（GLMM）是LMM的扩展，它对于y变量不要求正态分布，比如生存和死亡（0，1）的二项数据，抗病性分级（1~5）数据等。

这里我们使用猕猴桃的抗病性数据，用GLMM模型进行拟合，估计遗传力。

前言

观测的数据分为抗病的（1）和感病的（0），传统的方法是计算抗病性的百分比，然后通过数据转化使其满足正态分布再进行分析。

数据转换的缺点

• 当数据量小时，结果不可靠。而且数据转化不一定都能满足要求

• 有些性状没有必要转化为0~1区间的数值

应用GLMM模型，logit和probit模型不存在这种问题。

GLM的缺点
GLM模型可以支持数据的多种分布，但是要求数据是独立不相关的，在遗传评估时，很显然数据不能满足要求。

可以使用GLMM模型的软件

• R语言中的lme4

• SAS中的GLIMMIX模型

• ASReml软件

• ASReml-R（一个R包）

• GenStat软件的GLMM模型
  这些软件中，ASReml专门针对育种设计的软件，可以处理系谱信息和关系矩阵，SAS和R需要做其它设置。GenStat软件是唯一的一个窗口界面操作的软件。

logit和probit模型方差组分的计算
probit残差模型：σ2
logit残差模型：π2/3

不同软件运行的结果