80. Klon ve Çok Lokasyonlu Döl Denemeleri
Şablon kimliği: klon_lokasyon_genetik · Kategori: genetik · Dil: R · Dosya: pro/sablonlar/genetik/klon_lokasyon_genetik.R (satır 1–476; üstbilgi 1–109) · Örnek veri: _ornek/klon_lokasyon_genetik_bambu.csv (öteki kipler için …_klon.csv, …_sorgum.csv, …_yas.csv) · Paketler: lme4
80.1 Ne işe yarar
Şablon, orman ağacı ve klonla çoğaltılan bitki ıslahında üç ayrı soruyu cevaplar; formdaki Çözümleme alanı hangisinin çalışacağını seçer.
| Çözümleme | Soru | Temel çıktı |
|---|---|---|
| Klon denemesi | Klonlar arası fark fenotipik varyansın ne kadarı? Klon ortalamasına göre seçim ne kadar güvenilir? | Geniş anlamda bireysel H^2, klon ortalaması H^2, tekrarlanma derecesi R |
| Çok lokasyonlu deneme | Aileler (klonlar) lokasyonlarda aynı sırayı koruyor mu? | Lokasyonlar arası h^2, tip B genetik korelasyon r_B, lokasyon çiftleri için r_B matrisi |
| Yaş–yaş / özellik–özellik | Genç yaştaki ölçüm olgun yaştaki değeri ne kadar öngörüyor? | Genetik korelasyon r_A, Lambeth ilişkisi, erken seleksiyon etkinliği |
Üç çözümleme de aynı araçları kullanır: REML ile varyans bileşenleri, bileşenlerin oranları ve delta yöntemiyle standart hataları. Bu araçların kuramı Bölüm 79.4.1 ve 79.4.3'te anlatılmıştır; bu bölüm yalnız şablona özgü modelleri ve tanımları verir.
Ne zaman kullanılır? Klon testleri, çok lokasyonlu döl ya da çeşit denemeleri, aynı ağaçların birkaç yaşta ölçüldüğü denemeler.
Ne zaman kullanılmaz?
- Tek lokasyonlu yarım kardeş / çaprazlı döl denemesi ya da soy kütüklü veri:
kalitim_derecesi(Bölüm 79). - Populasyon (orijin) içinde aile yapısı:
orijin_dol_denemesi(Bölüm 83). - Lokasyonlar arasında farklı genetik varyans ve farklı korelasyonlar tek modelde:
fa_karma_model(faktör analitik kovaryans yapısı). Bu şablonun r_B'si tek bir ortalama korelasyon varsayar. - Kazanç ve seleksiyon indeksi:
seleksiyon_kazanci(Bölüm 89).
Temel programla ilişki. Temel programın karma model analizi aynı varyans bileşenlerini verebilir; kalıtım derecelerini, tip B korelasyonu, genetik korelasyonu ve standart hatalarını hesaplamaz.
80.2 Şablonun girdileri
Form, üstbilgideki on beş [[param]] bloğundan kurulur (klon_lokasyon_genetik.R:10–108).
| Alan (form etiketi) · ad | Tür · sekme | Varsayılan | Geçerli değerler | Kodda etkisi |
|---|---|---|---|---|
Çözümleme · model |
seçim · Model | cok_lokasyon |
klon, cok_lokasyon, yas_yas |
Üç koldan birini seçer (114, 203, 258, 365). |
Özellik · y |
sayısal sütun · Değişkenler | ilk sayısal sütun | sayısal sütun | Klon ve çok lokasyon kollarında yanıt (197–200). |
Klon / aile · genotip |
kategorik sütun · Değişkenler | ilk sütun (zorunlu) | herhangi bir sütun | Genotip rastgele etkisi (201). |
Blok · blok |
kategorik sütun · Değişkenler | boş | herhangi bir sütun | Çok lokasyonda lokasyon içinde yuvalanır (276). |
Lokasyon / çevre · lokasyon |
kategorik sütun · Değişkenler | boş | herhangi bir sütun | Çok lokasyon kolunda sabit etki (261, 280). |
Birey / ramet kimliği · birey |
kategorik sütun · Değişkenler | boş | herhangi bir sütun | Klon kolunda yinelenen ölçümler için ramet terimi (218–225). |
Yaş ya da özellik sütunları · ozellikler |
sütunlar · Değişkenler | boş | en az 2 sayısal sütun | Yaş–yaş kolunun yanıtları (367–370). |
Sütunların yaşları · yaslar |
metin · Model | boş | 3; 6; 10; 20 |
Boşsa sütun adının sonundaki sayı yaş sayılır (382–396). |
Yaşlar sütun adından okunmasın · yas_adindan_okunmasin |
onay · Model | kapalı | açık | Açıkken yaslar boşsa sütun adlarındaki sayılara bakılmaz; yaşlar tanımsız kalır ve çözümleme özellik–özellik olarak sürer (389–390). yaslar doluysa etkisizdir. |
Genotip birimi · akrabalik |
seçim · Model | yarim_kardes |
klon (k=1), yarim_kardes (k=4), tam_kardes (k=2) |
Bireysel kalıtım derecesinin payındaki çarpan (117). |
Blok etkisi · blok_etkisi |
seçim · Model | sabit |
sabit, rastgele |
Blok sabit ya da rastgele (122, 230–231, 280–281). |
İkili rB matrisi · ikili_rb |
onay · Seçenekler | açık | açık / kapalı | Lokasyon içi h^2 ve lokasyon çiftleri (319). |
Kuşak aralığına eklenen süre · ek_sure |
ondalık · Seçenekler | 0 | 0–100 | Erken seleksiyon etkinliğinde T = yaş + ek süre (447, 452). |
Anlamlılık düzeyi · alfa |
ondalık · Seçenekler | 0,05 | 0,001–0,5 | Wald güven aralıklarının düzeyi (120–121). |
REML en iyileyicisi · optimizer |
seçim · Gelişmiş | varsayilan |
varsayilan, bobyqa, Nelder_Mead |
lmerControl ayarı (123–129). |
Örnek ayar (ornek_param, satır 9): model = cok_lokasyon, y = boy, genotip = aile, lokasyon = lokasyon, blok = blok, akrabalik = yarim_kardes.
Şablonun kendi denetimleri.
| Kol | Koşul | İleti (özet) | Satır |
|---|---|---|---|
| hepsi | Veri yok; geçersiz çözümleme ya da en iyileyici; genotip seçilmemiş | "Önce … veri açın." / "Geçersiz …" / "Klon / aile sütunu seçilmeli." | 106, 108, 122, 194 |
| klon, çok lokasyon | Yanıt seçilmemiş ya da sayısal değil | "özellik (yanıt) sütunu seçilmeli" / "sayısal olmalı" | 191–192 |
| klon | Aynı sütun iki rolde; 4'ten az gözlem; 2'den az genotip; yanıt sabit | "birbirinden farklı olmalı" / "en az 4 gözlem" / … | 202, 207–209 |
| klon | Her genotipten tek gözlem | "genotip varyansı artık varyanstan ayrılamaz" | 221–222 |
| çok lokasyon | Lokasyon seçilmemiş; aynı sütun iki rolde | "lokasyon sütunu seçilmeli" / "farklı olmalı" | 254, 257 |
| çok lokasyon | 6'dan az gözlem; 2'den az lokasyon; 2'den az genotip; yanıt sabit | "En az 2 lokasyon gerekli … (klon denemesi modelini kullanın)" | 262–265 |
| yaş–yaş | 2'den az sütun; sayısal olmayan sütun | "en az 2 yaş / özellik sütunu" / "sayısal olmalı" | 362–363 |
| yaş–yaş | 6'dan az eksiksiz gözlem; 2'den az genotip ya da genotip başına tek gözlem; sabit sütun | … | 370–373 |
| yaş–yaş | Yaş sayısı sütun sayısına eşit değil ya da pozitif değil | "… pozitif sayı girilmeli" | 380–381 |
| hepsi | lme4 hata verdi | "Model kestirilemedi: …" | 145 |
Notlar ve uyarılar (durdurmaz): her bireyde tek kayıt varsa ramet terimi çıkarılır (221–223); her aile × lokasyon hücresinde tek gözlem ve blok yoksa etkileşimin artıkla karıştığı bildirilir (283–285); bir bileşen sınırdaysa uyarı (195, 252, 309, 445); lokasyon içi fenotipik varyansların oranı 2'yi aşarsa r_B uyarısı (316–318); bir lokasyon çiftinde aile varyansı sınırdaysa ya da ortak genotip 2'den azsa not (352–355); yaşlar yinelenmişse Lambeth karşılaştırması atlanır (397); |r_A|>1 uyarısı (444).
Eksik değer: klon ve çok lokasyon kollarında seçilen sütunlarda eksiği olan satır atılır (211, 266). Yaş–yaş kolunda bütün özellik sütunları eksiksiz olan satırlar kullanılır (374); atılan satır sayısı konsola yazılır.
80.3 Örnek veri
| Dosya | Kol | Yapı | Kaynak |
|---|---|---|---|
…_bambu.csv |
çok lokasyon | 2 lokasyon × 3 blok × 6 yarım kardeş ailesi × 6 ağaç = 216 satır; boy |
Jayaraman (1999), Tablo 6.3 |
…_sorgum.csv |
çok lokasyon | 18 çeşit × 6 çevre × 4 tekrar = 432 parsel; verim |
Omer ve ark. (2015) |
…_klon.csv |
klon | 30 klon × 4 blok × 3 ramet × 2 ölçüm = 720 satır; yogunluk |
yapay, dengeli |
…_yas.csv |
yaş–yaş | 40 aile × 4 blok × 5 ağaç = 800 satır; boy_3, boy_6, boy_10, boy_20 |
yapay, dengeli |
Örnek ayarın verisi (bambu):
| Değişken | Rol | Tür (veri sekmesi) | Özet |
|---|---|---|---|
lokasyon |
Lokasyon | ikili | Vellanikkara, Nailambur; her biri 108 ağaç. |
blok |
Blok | kategorik (3 düzey) | B1–B3; aynı adlar iki lokasyonda yinelenir. |
aile |
Klon / aile | kategorik (6 düzey) | F1–F6. |
agac |
kullanılmaz | kategorik | T1–T6. |
boy |
Özellik | sayısal | Lokasyon içi varyans 815,3 (Nailambur) ve 2541,1 (Vellanikkara). |
Blok adları lokasyonlar arasında yinelendiği için şablon bloğu lokasyonla birleştirir (interaction(lok, blok), satır 276): altı ayrı blok(lokasyon) düzeyi oluşur. Bütün sınıflama sütunları factor(as.character()) ile kurulur; düzeyler alfabetik sıraya girer ve bu sıra yalnız tabloların satır sırasını belirler (sayı adlı lokasyonlarda 10, 2'den önce yazılır).
Bu bölümde kullanılan çalıştırmalar: (1) örnek ayar; (2) blok rastgele; (3) 46 ağacı silinmiş dengesiz bambu verisi; (4) bloksuz; (5) sorgum verisi (altı çevre, klon birimi); (6) klon verisi, ramet kimlikli ve kimliksiz, dengesiz; (7) yaş verisi, ek süre 0 ve 5; (8) yaşların elle girilmesi, sütun adları oz1–oz4 olan kopya, eksik değerli kopya; (9) satırları karıştırılmış bambu verisi.
80.4 Yöntem: formüller ve hesap adımları
Üç kolun ortak adımları: (1) modelin rastgele terimleri veriye bakılarak kurulur; (2) lme4 ile REML; (3) beklenen bilgi matrisinden bileşenlerin kovaryansı; (4) her genetik parametre bir oran \mathbf a^{\top}\boldsymbol\sigma^2/\mathbf w^{\top}\boldsymbol\sigma^2 olarak yazılır, standart hatası delta yöntemiyle bulunur; (5) Wald güven aralığı \hat\theta\pm z_{1-\alpha/2}\operatorname{SH}.
Koddaki tercih
lmer sıkı toleransla çağrılır: varsayılan seçenekte nloptwrap, xtol_abs = 1e-12, ftol_abs = 1e-14 (124–126). Türev tabanlı yakınsama denetimi kapalıdır (calc.derivs = FALSE); lme4'ün tekil (sınır) uyarıları ve iletileri bastırılır, öteki uyarılar ile en iyileyicinin sıfırdan farklı çıkış kodu ve işlev değerlendirme sınırına (10⁵) ulaşması toplanır (150–155) ve çalıştırmanın sonunda tek uyarı olarak yazılır (474–475). Örnek verilerde bu uyarı çıkmaz; sınır çözümü ayrıca denetlenir (169). Bilgi matrisi n\le5000 için hesaplanır (130, 161); sınırdaki bileşen matriste en büyük bileşenin 10^{-10} katı olarak tutulur (166), dolayısıyla standart hatası yine yazılır.
Varyans bileşenleri tablosundaki z sütunu bileşenin standart hatasına oranı, p sütunu tek yönlü Wald olasılığıdır (tablo başlığı bunu yazar: "p: tek yönlü Wald testi"; 243, 300), p=1-\Phi(z) (188–189). Bileşen sıfıra yakınken Wald testi tutucudur; karar için olabilirlik oranı testi daha uygundur (Bölüm 89.4).
80.4.1 Klon denemesi
- c_i\sim N(0,\sigma^2_c): klon; b_j: blok (sabit ya da rastgele); (cb)_{ij}\sim N(0,\sigma^2_{cb}): klon × blok (parsel); r_{ijk}\sim N(0,\sigma^2_r): ramet (birey; kalıcı çevre); e: aynı rametin ölçümleri arasındaki artık.
- (cb) terimi yalnız bir klon × blok hücresinde birden çok birim varsa modele girer (227); ramet terimi yalnız
bireyverilmiş ve en az bir bireyde birden çok kayıt varsa girer (218–225).
- H^2: bireysel kalıtım derecesi; klon için k=1 ve sonuç geniş anlamdadır (Bölüm 79.4.1). \sigma^2_P tek bir ölçümün fenotipik varyansıdır; blok varyansı (rastgele olsa da) paydaya girmez (235).
- H^2_{\bar c}: klon ortalaması kalıtım derecesi; klon ortalamalarının varyansında klon bileşeninin payı. Çarpan k burada kullanılmaz (242).
- b, r, m: klon başına blok, ramet ve kayıt sayılarının harmonik ortalamaları (237–239).
- R: tekrarlanma derecesi; aynı rametin iki ölçümü arasındaki korelasyon. Yalnız ramet terimi varken hesaplanır (243).
Neden harmonik ortalama?
Klon ortalamasının varyansında artık terim \sigma^2_e/m_i'dir; klonlar farklı sayıda kayıt taşıyorsa bu terimin klonlar üzerinden ortalaması \sigma^2_e\cdot\overline{(1/m_i)}=\sigma^2_e/m_H olur. Harmonik ortalama tam bu büyüklüktür. Aritmetik ortalama az kayıtlı klonların yüksek hatasını gizler ve H^2_{\bar c}'yi büyütür. Dengeli veride ikisi aynıdır. Dengesiz veride sonuç yine yaklaşıktır: klonların gerçek ortalamaları farklı doğruluktadır ve tek bir H^2_{\bar c} bunların özetidir (Piepho ve Möhring, 2007).
80.4.2 Çok lokasyonlu deneme ve tip B genetik korelasyon
- s_j: lokasyon, sabit. b_{k(j)}: lokasyon içinde blok (sabit ya da rastgele). f_i\sim N(0,\sigma^2_f): aile (ya da klon). (fs)_{ij}\sim N(0,\sigma^2_{fs}): aile × lokasyon. (fb)_{ik(j)}\sim N(0,\sigma^2_{fb}): aile × blok(lokasyon), yani parsel. e: parsel içi artık.
- Parsel terimi yalnız parselde birden çok birey varsa girer (278); blok sabitken lokasyon etkisi blok(lokasyon) etkilerinin içinde kalır (280).
- h^2_i: lokasyonlar arası bireysel kalıtım derecesi; pay yalnız lokasyonlar arasında kararlı kalan aile varyansıdır, etkileşim paydadadır.
- h^2_{\bar f}: aile ortalaması kalıtım derecesi; s, p, n aile başına lokasyon, parsel ve birey sayılarının harmonik ortalamaları (292–295). Konsolda
s,bs,nbsadlarıyla yazılır; blok verilmediğinde parsel terimi modelde olmadığındanbsyerine "–" yazılır (306). - r_B: tip B genetik korelasyon; aynı özelliğin iki ayrı lokasyondaki ifadesi arasındaki genetik korelasyon (Yamada, 1962; Burdon, 1977). Şablon ayrıca \sigma^2_{fs}/\sigma^2_f oranını verir (300).
Neden bu oran bir korelasyon?
Aynı ailenin iki lokasyondaki ortalama etkileri f_i+(fs)_{i1} ve f_i+(fs)_{i2}'dir. Aralarındaki kovaryans \sigma^2_f, her birinin varyansı \sigma^2_f+\sigma^2_{fs}'dir; korelasyon bu ikisinin oranıdır. r_B=1 ailelerin her lokasyonda aynı sırada olduğunu, r_B\approx0 bir lokasyondaki sıralamanın ötekinde hiçbir şey söylemediğini gösterir. Uygulamada 0,7'nin altı önemli genotip × çevre etkileşimi sayılır.
Varyans heterojenliği r_B'yi düşürür
Model her lokasyonda aynı aile varyansını varsayar. Lokasyonlardan birinde özellik daha geniş yayılıyorsa (ölçek farkı) ailelerin sırası değişmese bile etkileşim varyansı büyür ve r_B düşer. Şablon lokasyon içi fenotipik varyansların en büyük/en küçük oranını yazar ve 2'yi aşarsa uyarır (312–318); örnek veride oran 3,12'dir. Çare, veriyi lokasyon içinde ölçünlemek ya da heterojen varyanslı bir model kurmaktır.
Lokasyon içi kalıtım ve ikili r_B. ikili_rb açıksa her lokasyon ayrı çözümlenir ve bireysel h^2'si verilir (321–333); burada etkileşim aile bileşenine karışır, bu yüzden lokasyon içi h^2 lokasyonlar arası değerden büyüktür. Üç ya da daha çok lokasyon varsa her lokasyon çifti ayrı bir iki lokasyonlu modelle çözülür ve çiftin r_B'si bulunur (334–351). Çiftte ortak genotip 2'den azsa değer boş bırakılır.
80.4.3 Yaş–yaş (özellik–özellik) genetik korelasyonu
Her özellik için tek değişkenli model y=\mu+b+f+(fb)+e kurulur. İki özelliğin aile kovaryansı, toplamlarının varyansından çıkarılır:
- \hat\sigma^2_{f(x+y)}: toplam değişken x+y'nin aile bileşeni; üçüncü bir REML çözümünden gelir (415–418).
- r_A: genetik korelasyon; aile bileşenlerinden hesaplandığı için akrabalık çarpanı k sadeleşir.
- r_P: fenotipik korelasyon; toplam t aile, parsel ve artık bileşenleri üzerindedir (421).
- Standart hata Robertson'ın (1959) yaklaşımıdır; h^2 ve SH'leri bireysel kalıtım derecelerinden alınır (423–424).
Neden iki değişkenli model yerine toplam yöntemi?
Toplam yöntemi yalnız tek değişkenli çözücü gerektirir ve dengeli veride çok değişkenli varyans analizinin kareler ve çarpımlar ortalamalarından elde edilen kovaryansla aynı sonucu verir. Bedeli: üç ayrı kestirimin farkı olduğundan |r_A|>1 çıkabilir (şablon uyarır, 427) ve standart hata için yalnız yaklaşık formül vardır. Bölüm 83'teki şablon iki değişkenli REML kullanır ve korelasyonu [-1{,}1] içinde tutar.
Lambeth ilişkisi ve erken seleksiyon. Yaşlar biliniyorsa her çift için Lambeth'in (1980) çam türlerinden türettiği beklenen korelasyon ve en büyük yaş "olgun yaş" alınarak erken seleksiyonun yıl başına etkinliği hesaplanır:
- t_g, t_o: genç ve olgun yaş; h_g, h_o: iki yaştaki bireysel kalıtım derecelerinin karekökü.
- \Delta:
ek_sure; seleksiyondan sonra tohum bahçesi kurulumu ve çiçeklenme için geçen sabit süre. - E>1: genç yaşta seçip kuşağı erken çevirmek, olgun yaşı beklemekten yıl başına daha çok kazanç getirir. Eşit seleksiyon yoğunluğu varsayılır.
- Tablodaki
etkinlik_Lambeth, r_A yerine r_L ve eşit kalıtım (h_g=h_o) ile hesaplanan değerdir (455).
Koddaki tercih
yaslar alanı ; içeriyorsa öğeler ; ile ayrılır ve ondalık virgül kabul edilir (3,5; 6); ; yoksa virgül ve boşluk ayırıcıdır (385). Alan boşsa her sütun adının sonundaki sayı yaş sayılır (392–393): boy_3 → 3. Okunan yaşlar konsola "yaşlar sütun adlarının sonundaki sayılardan okundu (3; 6; 10; 20)" notuyla yazılır (394–395); sayı yaş değilse (oz1, d13C, cap_2019) yaşları alana yazmak gerekir, yoksa Lambeth ve erken seleksiyon tabloları anlamsızdır. Sütun adlarındaki sayılar yaş değilse yaşları yazmak yerine "Yaşlar sütun adından okunmasın" seçeneği açılabilir: yaslar boşken sütun adlarına bakılmaz, konsola "yaşlar tanımsız, Lambeth ve erken seleksiyon tabloları yazılmadı (özellik–özellik)" notu yazılır (389–390); varsayılan (kapalı) davranış yukarıdaki gibidir. Hiçbir sütunda sayı yoksa çözümleme özellik–özellik olarak sürer, Lambeth ve etkinlik tabloları yazılmaz. Yaşlar yinelenmişse de böyledir (397).
80.5 Kod adım adım
| Satırlar | Ne yapar | Neden / dikkat |
|---|---|---|
| 1–109 | Üstbilgi ve on dört parametre. | Bölüm 1.2. |
| 110–130 | Ortak ayarlar: çözümleme, k (117), z (121), lmerControl (124–129), bilgi matrisi sınırı. |
k_akr yalnız bireysel kalıtım derecesinin payında kullanılır. |
| 132–170 | reml_bilgi (beklenen bilgi) ve uydur: formül, lmer, bileşenler, kovaryans, sınır bayrağı. |
Bölüm 79.4.3 ile aynı bilgi matrisi. |
| 172–200 | oran (oran + delta SH), hmean, param_satiri (Wald aralığı), vc_tablo (z, p, pay). |
Payda sıfır ya da negatifse oran boş kalır (176). |
| 203–257 | Klon kolu: sütunlar, ramet kimliğinin klon × blok içinde tekilleştirilmesi (219), terimlerin seçimi, üç oran, tablolar, grafik. | Ramet adları klonlar arasında yinelense de sorun olmaz. |
| 258–318 | Çok lokasyon kolu: kurulum terimleri seçer (273–282); bileşenler, dört oran, varyans heterojenliği uyarısı. |
Lokasyon sabit, aile × lokasyon rastgele. |
| 319–357 | Lokasyon içi çözümlemeler ve lokasyon çiftleri. | Her çift ayrı REML; altı lokasyonda 15 çözüm. |
| 358–364 | Tepki normu grafiği: aile ortalamaları lokasyonlara göre. | Çizgilerin kesişmesi sıra değişimini gösterir. |
| 365–411 | Yaş–yaş kolu: sütunlar, eksiksiz satırlar, yaşların okunması, her özelliğin modeli. | Bütün özellikler aynı satır kümesinde çözülür. |
| 412–445 | Her çift için toplam değişkenin modeli, r_A, r_P, Robertson SH, Lambeth; korelasyon matrisi; uyarılar. | Dört özellikte 4 + 6 = 10 REML çözümü. |
| 446–472 | Erken seleksiyon etkinliği tablosu ve grafik (yaş varsa); yoksa h^2 çubuk grafiği. | Olgun yaş en büyük yaştır (448). |
80.6 Elle hesap: örnek veride bağımsız yeniden hesap
Hesaplar dogrulama/klon_lokasyon_genetik/elle_hesap.py (numpy; Bölüm 79'daki Fisher puanlamalı REML çözücüsü) ve r_dogrulama.R (dengeli verilerde aov/manova, dengesiz veride glmmTMB) ile yapılmıştır.
Adım 1 — Bambu: varyans analizi. s=2 lokasyon, b=3 blok, f=6 aile, n=6 ağaç. Aile terimlerinin kareler ortalamaları ve beklenen değerleri:
| Kaynak | sd | KO | Beklenen KO |
|---|---|---|---|
| Aile | 5 | 16106,674 | \sigma^2_e+n\sigma^2_{fb}+nb\,\sigma^2_{fs}+nbs\,\sigma^2_f |
| Aile × lokasyon | 5 | 7069,874 | \sigma^2_e+n\sigma^2_{fb}+nb\,\sigma^2_{fs} |
| Aile × blok(lokasyon) | 20 | 2259,194 | \sigma^2_e+n\sigma^2_{fb} |
| Artık | 180 | 1048,887 | \sigma^2_e |
Değerler Jayaraman'ın (1999) Tablo 6.3'ünden hesapladıklarıyla aynıdır (251,02; 267,26; 201,72; 1048,89).
Adım 2 — Genetik parametreler. \hat\sigma^2_P=251{,}022+267{,}260+201{,}718+1048{,}887=1768{,}887.
Adım 3 — Standart hatalar. Beklenen bilgi matrisinin tersinden: \operatorname{SH}(\hat\sigma^2_f)=309{,}02, \operatorname{SH}(\hat\sigma^2_{fs})=251{,}56, \operatorname{SH}(\hat\sigma^2_{fb})=120{,}49, \operatorname{SH}(\hat\sigma^2_e)=110{,}56. Delta yöntemiyle \operatorname{SH}(\hat h^2_i)=0{,}6371, \operatorname{SH}(\hat h^2_{\bar f})=0{,}3926, \operatorname{SH}(\hat r_B)=0{,}4552. Altı aileyle aile bileşeninin standart hatası kestirimden büyüktür; %95 Wald aralığı r_B için [-0{,}408;\ 1{,}376]'dır.
Adım 4 — Lokasyon içi kalıtım. Nailambur: \hat\sigma^2_f=23{,}22, parsel + parsel içi 802,14, \hat h^2=4\cdot23{,}22/825{,}36=0{,}1125 (SH 0,3405). Vellanikkara: \hat\sigma^2_f=1013{,}34, 1699,07, \hat h^2=1{,}4944 (SH 0,7300). İki lokasyonun aile varyansları 44 kat farklıdır; tek bir \sigma^2_f varsayan birleşik modelin r_B'si bu farkı da etkileşime yazar.
Adım 5 — Sorgum: altı çevre. Birleşik modelde \hat\sigma^2_g=1169{,}33, \hat\sigma^2_{g\times e}=21342{,}47, \hat\sigma^2_e=24659{,}48 (Omer ve ark., 2015 ile aynı); \hat r_B=0{,}0519 (SH 0,0920). E2–E4 çiftinde \hat\sigma^2_g=2760{,}18, \hat\sigma^2_{g\times e}=17045{,}15, \hat r_B=0{,}1394 (SH 0,3703); E2–E6 çiftinde \hat r_B=0{,}4563 (SH 0,2392). E3–E5 çiftinde çeşit varyansı sıfır kestirilir, \hat r_B=0.
Adım 6 — Klon denemesi. 30 klon, b=4, klon başına r=12 ramet, m=24 kayıt. Bileşenler: \hat\sigma^2_c=4{,}1674, \hat\sigma^2_{cb}=1{,}1680, \hat\sigma^2_r=2{,}2743, \hat\sigma^2_e=1{,}4254; toplam 9,0350.
Standart hatalar 0,0774; 0,0348; 0,0247.
Adım 7 — Yaş–yaş. Aile bileşenleri: 3 yaş 0,012065; 20 yaş 0,647339; toplam değişken (boy_3 + boy_20) 0,774056. Kovaryans (0{,}774056-0{,}012065-0{,}647339)/2=0{,}057326; \hat r_A=0{,}057326/\sqrt{0{,}012065\cdot0{,}647339}=0{,}6487. Bireysel kalıtım dereceleri 0,6504 (SH 0,1716) ve 0,3842 (SH 0,1336); Robertson yaklaşımıyla \operatorname{SH}(\hat r_A)=\frac{1-0{,}6487^2}{\sqrt2}\sqrt{\frac{0{,}1716\cdot0{,}1336}{0{,}6504\cdot0{,}3842}}=0{,}1241. Lambeth: 1{,}02+0{,}308\ln(3/20)=0{,}4357. Etkinlik: 0{,}6487\cdot\frac{\sqrt{0{,}6504}}{\sqrt{0{,}3842}}\cdot\frac{20}{3}=5{,}626; ek süre 5 yıl olduğunda T oranı 25/8=3{,}125 ve etkinlik 2,637.
80.6.1 Doğrulama: MerQuR+, Python ve R
| Büyüklük | MerQuR+ | Python (bağımsız) | R (bağımsız) | En büyük fark | |
|---|---|---|---|---|---|
| Bambu: σ²f (aile) | 251,02227028 | 251,02222222 | 251,02222222 | 1,9e−7 | ✓ |
| Bambu: SH σ²f (aile) | 309,02482812 | 309,02478483 | — | 1,4e−7 | ✓ |
| Bambu: σ²fs (aile × lokasyon) | 267,26007106 | 267,26003086 | 267,26003086 | 1,5e−7 | ✓ |
| Bambu: SH σ²fs (aile × lokasyon) | 251,56085006 | 251,56082705 | — | 9,1e−8 | ✓ |
| Bambu: σ²fb (parsel) | 201,71773832 | 201,71774691 | 201,71774691 | 4,3e−8 | ✓ |
| Bambu: SH σ²fb (parsel) | 120,48738463 | 120,48738754 | — | 2,4e−8 | ✓ |
| Bambu: σ²e | 1048,88703282 | 1048,88703704 | 1048,88703704 | 4,0e−9 | ✓ |
| Bambu: SH σ²e | 110,56240106 | 110,56240151 | — | 4,0e−9 | ✓ |
| Bambu: z (σ²fb) | 1,6741814 | 1,67418143 | — | 1,8e−8 | ✓ |
| Bambu: bireysel h^2 | 0,56763887 | 0,56763879 | 0,56763879 | 8,4e−8 | ✓ |
| Bambu: SH bireysel h^2 | 0,63707341 | 0,63707336 | — | 5,0e−8 | ✓ |
| Bambu: aile ortalaması h^2 | 0,56105937 | 0,56105934 | 0,56105934 | 2,4e−8 | ✓ |
| Bambu: SH aile ortalaması h^2 | 0,39260044 | 0,39260046 | — | 2,1e−8 | ✓ |
| Bambu: r_B | 0,48433499 | 0,48433498 | 0,48433498 | 1,0e−8 | ✓ |
| Bambu: SH r_B | 0,45516275 | 0,45516278 | — | 2,7e−8 | ✓ |
| Bambu: σ²fs/σ²f | 1,06468669 | 1,06468674 | 1,06468674 | 4,1e−8 | ✓ |
| Bambu: SH σ²fs/σ²f | 1,94032746 | 1,94032766 | — | 1,0e−7 | ✓ |
| Bambu: r_B GA alt sınırı | −0,40776761 | −0,40776767 | — | 6,3e−8 | ✓ |
| Bambu, Nailambur: σ²f | 23,2234762 | 23,22345679 | 23,22345679 | 8,4e−7 | ✓ |
| Bambu, Nailambur: h^2 | 0,11254924 | 0,11254915 | 0,11254915 | 9,4e−8 | ✓ |
| Bambu, Nailambur: SH h^2 | 0,34051212 | 0,34051209 | — | 2,4e−8 | ✓ |
| Bambu, Vellanikkara: σ²f | 1013,34103701 | 1013,34104938 | 1013,34104938 | 1,2e−8 | ✓ |
| Bambu, Vellanikkara: h^2 | 1,49437643 | 1,49437645 | 1,49437645 | 8,3e−9 | ✓ |
| Bambu, Vellanikkara: SH h^2 | 0,7299895 | 0,7299895 | — | 6,3e−10 | ✓ |
| Dengesiz bambu: σ²f | 317,72934627 | 317,72943648 | 317,72942676 | 2,8e−7 | ✓ |
| Dengesiz bambu: σ²fs | 288,0352993 | 288,03532528 | 288,03533004 | 1,1e−7 | ✓ |
| Dengesiz bambu: σ²fb | 298,5035267 | 298,50351521 | 298,50350427 | 7,5e−8 | ✓ |
| Dengesiz bambu: σ²e | 988,0803975 | 988,08039251 | 988,08039227 | 5,3e−9 | ✓ |
| Dengesiz bambu: aile ortalaması h^2 | 0,57966292 | 0,57966298 | — | 5,8e−8 | ✓ |
| Dengesiz bambu: r_B | 0,52450956 | 0,52450961 | — | 4,8e−8 | ✓ |
| Dengesiz bambu: SH r_B | 0,46255388 | 0,46255382 | — | 5,2e−8 | ✓ |
| Sorgum: σ²g | 1169,33328009 | 1169,33227581 | 1169,33227581 | 8,6e−7 | ✓ |
| Sorgum: σ²g×çevre | 21342,46660553 | 21342,46774768 | 21342,46774768 | 5,4e−8 | ✓ |
| Sorgum: σ²e | 24659,47889563 | 24659,47881111 | 24659,47881111 | 3,4e−9 | ✓ |
| Sorgum: klon ortalaması H^2 | 0,20322485 | 0,2032247 | 0,2032247 | 1,5e−7 | ✓ |
| Sorgum: r_B | 0,05194313 | 0,05194308 | 0,05194308 | 4,5e−8 | ✓ |
| Sorgum: SH r_B | 0,0919668 | 0,09196679 | — | 1,0e−8 | ✓ |
| Sorgum E2–E4: σ²f | 2760,18537085 | 2760,18434632 | 2760,18434632 | 3,7e−7 | ✓ |
| Sorgum E2–E4: r_B | 0,13936578 | 0,13936572 | 0,13936572 | 5,6e−8 | ✓ |
| Sorgum E2–E4: SH r_B | 0,37033911 | 0,37033911 | — | 1,5e−9 | ✓ |
| Sorgum E2–E6: σ²f | 16217,17540356 | 16217,17673652 | 16217,17673652 | 8,2e−8 | ✓ |
| Sorgum E2–E6: r_B | 0,45631572 | 0,45631575 | 0,45631575 | 3,0e−8 | ✓ |
| Sorgum E2–E6: SH r_B | 0,23922077 | 0,23922076 | — | 7,3e−9 | ✓ |
| Sorgum E3–E5 (sınır): SH r_B | 0,28650326 | 0,28650327 | — | 7,8e−10 | ✓ |
| Sorgum, E1: H^2 | 0,81258345 | 0,81258344 | 0,81258344 | 1,1e−9 | ✓ |
| Sorgum, E1: SH H^2 | 0,06379435 | 0,06379435 | — | 3,1e−10 | ✓ |
| Sorgum, E4: H^2 | 0,259039 | 0,25903899 | 0,25903899 | 5,1e−9 | ✓ |
| Sorgum, E4: SH H^2 | 0,13038009 | 0,13038009 | — | 2,3e−10 | ✓ |
| Klon: σ²klon | 4,16739331 | 4,16739366 | 4,16739366 | 8,4e−8 | ✓ |
| Klon: SH σ²klon | 1,23917719 | 1,23917728 | — | 7,2e−8 | ✓ |
| Klon: σ²klon×blok | 1,16796543 | 1,1679655 | 1,1679655 | 6,3e−8 | ✓ |
| Klon: SH σ²klon×blok | 0,34040729 | 0,34040728 | — | 5,8e−9 | ✓ |
| Klon: σ²ramet | 2,27431409 | 2,27431375 | 2,27431375 | 1,5e−7 | ✓ |
| Klon: SH σ²ramet | 0,27779976 | 0,27779973 | — | 2,6e−8 | ✓ |
| Klon: σ²e | 1,42535491 | 1,425355 | 1,425355 | 6,2e−8 | ✓ |
| Klon: SH σ²e | 0,10623968 | 0,10623969 | — | 6,6e−9 | ✓ |
| Klon: p (σ²klon, tek yönlü Wald) | 3,854563·10−4 | 3,854562·10−4 | — | 5,3e−11 | ✓ |
| Klon: bireysel H^2 | 0,46124854 | 0,46124856 | 0,46124856 | 3,0e−8 | ✓ |
| Klon: SH bireysel H^2 | 0,07744448 | 0,07744448 | — | 1,2e−10 | ✓ |
| Klon: klon ortalaması H^2 | 0,88511623 | 0,88511624 | 0,88511624 | 9,6e−9 | ✓ |
| Klon: SH klon ortalaması H^2 | 0,03483726 | 0,03483726 | — | 2,9e−9 | ✓ |
| Klon: tekrarlanma R | 0,84224122 | 0,84224122 | 0,84224122 | 6,8e−9 | ✓ |
| Klon: SH tekrarlanma R | 0,0247377 | 0,0247377 | — | 2,0e−9 | ✓ |
| Dengesiz klon: bireysel H^2 | 0,44310216 | 0,44310216 | — | 1,0e−9 | ✓ |
| Dengesiz klon: klon ortalaması H^2 | 0,87117116 | 0,87117116 | — | 3,1e−10 | ✓ |
| Dengesiz klon: tekrarlanma R | 0,84515528 | 0,84515528 | — | 2,9e−9 | ✓ |
| Dengesiz klon: SH klon ortalaması H^2 | 0,03923123 | 0,03923123 | — | 9,7e−11 | ✓ |
| Yaş: σ²f (boy_3) | 0,01206522 | 0,01206523 | 0,01206523 | 1,7e−9 | ✓ |
| Yaş: h^2 (boy_3) | 0,65041309 | 0,65041317 | 0,65041317 | 7,8e−8 | ✓ |
| Yaş: SH h^2 (boy_3) | 0,17164272 | 0,17164273 | — | 1,0e−8 | ✓ |
| Yaş: aile ortalaması h^2 (boy_3) | 0,74856239 | 0,74856241 | — | 2,6e−8 | ✓ |
| Yaş: σ²f (boy_20) | 0,64733927 | 0,64733934 | 0,64733934 | 7,7e−8 | ✓ |
| Yaş: h^2 (boy_20) | 0,38421545 | 0,38421549 | 0,38421549 | 4,3e−8 | ✓ |
| Yaş: SH h^2 (boy_20) | 0,13357708 | 0,13357708 | — | 5,6e−9 | ✓ |
| Yaş: aile ortalaması h^2 (boy_20) | 0,62044154 | 0,62044158 | — | 3,4e−8 | ✓ |
| Yaş: r_A (boy_3, boy_20) | 0,648657 | 0,64865722 | 0,64865722 | 2,2e−7 | ✓ |
| Yaş: SH r_A (boy_3, boy_20) | 0,12406327 | 0,1240632 | — | 7,1e−8 | ✓ |
| Yaş: r_P (boy_3, boy_20) | 0,41861422 | 0,41861428 | 0,41861428 | 6,4e−8 | ✓ |
| Yaş: r_A (boy_6, boy_10) | 0,85941958 | 0,85941961 | 0,85941961 | 2,7e−8 | ✓ |
| Yaş: SH r_A (boy_6, boy_10) | 0,05106937 | 0,05106937 | — | 9,3e−9 | ✓ |
| Yaş: r_P (boy_6, boy_10) | 0,84619092 | 0,84619091 | 0,84619091 | 2,5e−9 | ✓ |
| Yaş: r_A (boy_10, boy_20) | 0,97115038 | 0,97115007 | 0,97115007 | 3,1e−7 | ✓ |
| Yaş: SH r_A (boy_10, boy_20) | 0,01220709 | 0,01220722 | — | 1,3e−7 | ✓ |
| Yaş: r_P (boy_10, boy_20) | 0,79736036 | 0,79736034 | 0,79736034 | 2,2e−8 | ✓ |
| Yaş: σf(boy_3, boy_20) | 0,05732562 | 0,05732565 | 0,05732565 | 2,7e−8 | ✓ |
| Yaş: Lambeth r (3, 20) | 0,43568704 | 0,43568704 | — | 3,9e−16 | ✓ |
| Yaş: erken seleksiyon etkinliği (boy_3) | 5,62640608 | 5,62640805 | — | 3,5e−7 | ✓ |
| Yaş: erken seleksiyon etkinliği (boy_6) | 3,53747939 | 3,53747815 | — | 3,5e−7 | ✓ |
| Yaş: erken seleksiyon etkinliği (boy_10) | 2,51366884 | 2,51366788 | — | 3,8e−7 | ✓ |
| Yaş: Lambeth etkinliği (boy_3) | 2,9045803 | 2,9045803 | — | 4,6e−16 | ✓ |
| Yaş, ek süre 5: etkinlik (boy_3) | 2,63737785 | 2,63737877 | — | 3,5e−7 | ✓ |
| Eksik değerli veri: r_A (boy_3, boy_20) | 0,696534 | 0,69653337 | — | 6,3e−7 | ✓ |
Ölçütü karşılayan: 92/92. Python: Fisher puanlamalı REML, beklenen bilgi matrisi, delta yöntemi ve açık formüller. R: dengeli verilerde aov/manova kareler (ve çarpımlar) ortalamalarından kapalı biçimli kestiriciler, dengesiz bambu verisinde glmmTMB. Küçük farklar lme4 en iyileyicisinin toleransından gelir.
80.7 Çıktıyı okuma
Çok lokasyonlu deneme (örnek ayar):
Çok lokasyonlu deneme (REML, lme4): n = 216, 6 aile, 2 lokasyon, 6 blok(lokasyon) (sabit)
aile başına harmonik ortalama: lokasyon s = 2, parsel bs = 6, birey nbs = 36
Lokasyon içi fenotipik varyans: en küçük 815,252, en büyük 2541,05 (oran 3,117)
Uyarı: lokasyonlar arasında fenotipik varyans oranı (en büyük/en küçük) 2'yi aşıyor; ölçek farkı (varyans
heterojenliği) aile × lokasyon etkileşimine yansıdığından tip-B korelasyon rB düşük kestirilebilir. …
Varyans bileşenleri (REML; SH beklenen bilgiden; p: tek yönlü Wald testi, sınıra yakın bileşende tutucudur)
bilesen varyans SH z p oran
aile 251.022270 309.024828 0.812305 0.208308 0.141910
aile × lokasyon 267.260071 251.560850 1.062407 0.144025 0.151089
aile × blok(lokasyon) (parsel) 201.717738 120.487385 1.674181 0.047047 0.114037
artık (parsel içi) 1048.887033 110.562401 9.486833 0.000000 0.592964
Genetik parametreler (SH: delta yöntemi; %95 Wald güven aralığı)
olcut deger SH alt_sinir ust_sinir
Bireysel h² = 4·σ²f/σ²P (lokasyonlar arası) 0.567639 0.637073 -0.681002 1.816280
aile ortalaması h² 0.561059 0.392600 -0.208423 1.330542
Tip-B genetik korelasyon rB = σ²f/(σ²f + σ²fs) 0.484335 0.455163 -0.407768 1.376438
G×E büyüklüğü σ²fs/σ²f 1.064687 1.940327 -2.738285 4.867659
Lokasyon içi bireysel h² (her lokasyon ayrı çözümlendi; var_artik = parsel + parsel içi)
lokasyon n aile_sayisi var_g var_artik h2 SH
Nailambur 108 6 23.223476 802.138871 0.112549 0.340512
Vellanikkara 108 6 1013.341037 1699.070681 1.494376 0.729990
| Öğe | Ne yazar | Nasıl yorumlanır |
|---|---|---|
| Harmonik ortalamalar | Aile başına lokasyon, parsel ve birey sayıları | Aile ortalaması h^2'nin paydasındaki bölenler; dengesizlikte tam sayı olmaz. |
| Varyans bileşenleri | Bileşen, SH, z, tek yönlü Wald p, \sigma^2_P içindeki pay | Rastgele blok satırının payı boştur: paydaya girmez. |
| Genetik parametreler | Dört oran, delta SH ve Wald aralığı | Aralık 0–1 dışına taşabilir; kesilmez. Altı aileyle hiçbir parametre sıfırdan ayırt edilemez. |
| Lokasyon içi h^2 | Her lokasyonun ayrı çözümü | 1'i aşan değer (1,49) az ailede örnekleme hatasıdır; bu tabloda ayrıca uyarı yazılmaz. |
| İkili r_B tablosu ve matrisi | Üç ve daha çok lokasyonda her çift için \sigma^2_f, \sigma^2_{fs}, r_B, SH | Hangi lokasyonların birbirini temsil ettiğini gösterir; sınırdaki çiftlerde r_B\approx0 yazılır. |
| Şekil | Aile ortalamalarının lokasyonlara göre çizgileri | Paralel çizgiler etkileşimsizlik, kesişen çizgiler sıra değişimi. |
Şekil 80.1. Şablonun çizdiği tepki normları (bambu verisi, altı aile, iki lokasyon). Çizgilerin açılması ölçek farkını, kesişmesi sıra değişimini gösterir.

Klon denemesi:
Klon denemesi (REML, lme4): n = 720 kayıt, 30 klon, 4 blok (sabit), 360 birey (yinelenen ölçüm)
klon başına harmonik ortalama: blok 4, ramet 12, kayıt 24
Kalıtım derecesi ve tekrarlanma derecesi (SH: delta yöntemi; %95 Wald güven aralığı)
olcut deger SH alt_sinir ust_sinir
Bireysel H² = σ²klon/σ²P 0.461249 0.077444 0.309460 0.613037
klon ortalaması H² 0.885116 0.034837 0.816836 0.953396
Tekrarlanma derecesi R 0.842241 0.024738 0.793756 0.890726
Bireysel H^2 (0,46) tek bir rametin tek ölçümüne göre seçimin, klon ortalaması H^2 (0,89) 24 kaydın ortalamasına göre seçimin güvenilirliğidir. R=0{,}84, aynı rametin ikinci kez ölçülmesinin az bilgi kattığını söyler.
Yaş–yaş:
Genetik (rA) ve fenotipik (rP) korelasyonlar (SH: Robertson 1959)
ozellik_1 ozellik_2 kov_g rA SH rP ln_yas_orani r_Lambeth
boy_3 boy_6 0.022754 0.808109 0.067634 0.813596 -0.693147 0.806511
boy_3 boy_20 0.057326 0.648657 0.124063 0.418614 -1.897120 0.435687
boy_10 boy_20 0.412333 0.971150 0.012207 0.797360 -0.693147 0.806511
…
Erken seleksiyon etkinliği (yıl başına kazanç, olgun yaş 20; T = yaş + 0; etkinlik_Lambeth: eşit kalıtım varsayımı)
genc_yas olgun_yas rA h_genc h_olgun T_orani etkinlik r_Lambeth etkinlik_Lambeth
3 20 0.648657 0.806482 0.619851 6.666667 5.626406 0.435687 2.904580
6 20 0.860528 0.764430 0.619851 3.333333 3.537479 0.649176 2.163921
10 20 0.971150 0.802193 0.619851 2.000000 2.513669 0.806511 1.613021
Şekil 80.2. Yaş–yaş genetik korelasyonları (noktalar) ve Lambeth ilişkisi (kesikli çizgi). Yatay eksen yaş oranının doğal logaritmasıdır.

Rapor cümleleri:
İki lokasyonlu yarım kardeş döl denemesinde (6 aile, 216 ağaç) boy için aile varyansı 251,0, aile × lokasyon varyansı 267,3 kestirildi. Lokasyonlar arası bireysel kalıtım derecesi 0,57 (SH = 0,64), aile ortalaması kalıtım derecesi 0,56 (SH = 0,39), tip B genetik korelasyon 0,48 (SH = 0,46) bulundu; lokasyon içi fenotipik varyansların oranı 3,1 olduğundan korelasyon ölçek farkından etkilenmiş olabilir.
Klon denemesinde odun yoğunluğunun geniş anlamda bireysel kalıtım derecesi 0,46 (SH = 0,08), klon ortalaması kalıtım derecesi 0,89 (SH = 0,03), tekrarlanma derecesi 0,84 (SH = 0,02) idi.
Üç ve yirmi yaş boyları arasındaki genetik korelasyon 0,65 (SH = 0,12) bulundu; üç yaşta seleksiyonun yıl başına etkinliği yirmi yaşta seleksiyona göre 5,6 kat, kuşak aralığına beş yıl eklendiğinde 2,6 kat idi.
80.8 Sık hatalar ve tuzaklar
- Sütun adının sonundaki sayının yaş sayılması.
yaslarboşkenoz1,oz2,oz3,oz4adlı dört özellik sütunu 1, 2, 3, 4 yaşları olarak okunur; şablon Lambeth sütununu ve "olgun yaş 4" başlıklı erken seleksiyon tablosunu yazar. Sütunlar yaş değilse adların sonunda sayı bırakılmaz, gerçek yaşlaryaslaralanına yazılır, "Yaşlar sütun adından okunmasın" seçeneği açılır ya da çıktıdaki bu iki tablo yok sayılır; genetik korelasyonlar etkilenmez. - Genotip birimini yanlış seçmek. Varsayılan yarım kardeştir (k=4). Klon verisinde bu ayar bırakılırsa bireysel kalıtım derecesi dört katına çıkar; klon ortalaması H^2, r_B ve r_A değişmez. Tablo başlığındaki
h²/H²ve formüldeki4·çarpanı her zaman denetlenir. - Az genotiple r_B yorumlamak. Altı aileyle \hat r_B=0{,}48'in standart hatası 0,46'dır. r_B bir varyans oranıdır; güvenilir kestirim için onlarca aile gerekir.
- Ölçek farkını etkileşim sanmak. Bambu verisinde Vellanikkara'da aile varyansı 44 kat büyüktür. Düşük r_B'nin ne kadarının sıra değişimi olduğu tepki normu grafiğinden ve lokasyon içi ölçünlenmiş veriyle yinelenen çözümlemeden anlaşılır.
- Lokasyon içi h^2'yi lokasyonlar arası h^2 ile karıştırmak. Tek lokasyonda etkileşim aile varyansının içindedir; Vellanikkara'da 1,49, birleşik modelde 0,57 çıkar. Islah bölgesi bütün lokasyonları kapsıyorsa birleşik değer kullanılır.
- Parselde tek ağaç varken parsel terimi beklemek. Parsel başına tek birey varsa aile × blok terimi artıkla karışır ve modele girmez; sorgum verisinde böyledir. Çıktıdaki bileşen listesi hangi terimlerin kurulduğunu gösterir.
- Ramet kimliği vermeden yinelenen ölçümleri çözümlemek. Aynı rametin iki ölçümü bağımsız sayılır; klon × blok bileşeni ramet varyansını kısmen emer (örnekte 1,17 yerine 1,62), artık varyans büyür, tekrarlanma derecesi hesaplanmaz. Klon ortalaması H^2 bu veride değişmedi, ama bireysel H^2'nin standart hatası değişir.
- Yaş–yaş kolunda eksik değerler. Herhangi bir yaşta eksiği olan ağaç bütün yaşlardan çıkarılır. İki sütununda 60'ar eksik bulunan kopyada 800 satırın 116'sı atıldı; 20 yaş boyunun bireysel kalıtım derecesi 0,38'den 0,28'e indi, \hat r_A(3, 20) 0,65'ten 0,70'e çıktı. Ölen ağaçlar rastgele değilse (zayıf ailelerde daha çok ölüm) kalan örneklem yanlıdır.
- Etkinliği kazanç sanmak. E, eşit seleksiyon yoğunluğunda yıl başına kazançların oranıdır. Ek süre 0 bırakıldığında kuşak aralığı yalnız seleksiyon yaşıdır ve erken seleksiyon olduğundan üstün görünür; gerçekçi bir çiçeklenme süresi eklenmelidir (3 yaş için 5,6 → 2,6).
- Sınır notlarını atlamak. Lokasyon çiftlerinde aile varyansı sıfır kestirildiğinde tabloda r_B=0 ve bir standart hata görünür; bu standart hata sınırda geçerli değildir.
- Satır sırasına duyarlılık aramak. Satırları karıştırılmış bambu verisinde bileşenler yedinci anlamlı basamakta değişti (lme4 yinelemelidir); raporlanan basamaklarda fark yoktur.
80.9 Uzman soruları
S1. Hangi kalıtım derecesi tanımları hesaplanıyor ve akrabalık çarpanı nerede?
İki tanım. Bireysel kalıtım derecesinin payı k_akr * σ²g'dir (satır 241, 289, 396); k_akr 110. satırda seçenekten gelir: klon 1 (geniş anlamda H^2), yarım kardeş 4, tam kardeş 2 (dar anlamda h^2; tam kardeşte baskınlığın dörtte biri de içindedir). Aile ya da klon ortalaması kalıtım derecesinin payında çarpan yoktur (242, 297): bu büyüklük, ortalamalar arasındaki farkın yinelenebilir kısmıdır ve akrabalık varsayımına bağlı değildir. Başlıktaki h²/H² simgesi k_akr == 1 olup olmamasına göre yazılır (193).
S2. Standart hatalar ve güven aralıkları hangi yöntemle?
Bileşenlerin kovaryansı REML beklenen bilgi matrisinin tersidir (132–143, 166–167); bütün oranların standart hatası delta yöntemidir (173–180); aralıklar simetrik Wald aralığıdır (183–184). İstisna genetik korelasyondur: toplam yönteminde üç ayrı modelin kestirimleri arasındaki kovaryans bilinmediğinden Robertson'ın (1959) yaklaşık formülü kullanılır ve tablo başlığı bunu yazar. Olabilirlik profili ya da bootstrap aralığı yoktur; sınıra yakın parametrelerde Wald aralığı kötü davranır.
S3. Tip B korelasyon "düzeltmesiz" ne demek?
r_B=\sigma^2_f/(\sigma^2_f+\sigma^2_{fs}) tanımı lokasyonlarda eşit genetik varyans varsayar. Heterojen varyansta etkileşim varyansı iki parçadan oluşur: ölçek farkı ve sıra değişimi. Yalnız ikincisi gerçek anlamda düşük korelasyondur. Düzeltmeli yaklaşımlar veriyi lokasyon içinde fenotipik standart sapmaya böler ya da her lokasyona ayrı varyans tanır. Şablon düzeltme yapmaz, yalnız fenotipik varyans oranını bildirir (312–318).
S4. İkili r_B matrisi ile birleşik r_B neden tutarsız olabilir?
Birleşik r_B bütün lokasyon çiftlerinin tek bir ortak korelasyonla özetidir; ikili değerler her çiftin kendi iki lokasyonlu modelinden gelir. Sorgum verisinde birleşik değer 0,05, çiftlerde 0 ile 0,46 arasındadır. Ayrıca çiftlerin matrisi tek bir modelden gelmediği için pozitif tanımlı olmak zorunda değildir; kümeleme ya da ıslah bölgesi ayrımı için kaba bir kılavuzdur.
S5. Toplam yöntemi dengesiz veride de geçerli mi?
Özdeşlik \operatorname{Var}(x+y)=\operatorname{Var}(x)+\operatorname{Var}(y)+2\operatorname{Cov}(x,y) gerçek bileşenler için her zaman geçerlidir; kestirimler için dengeli veride tam, dengesiz veride yaklaşık olarak geçerlidir, çünkü REML doğrusal bir kestirici değildir. Şablon üç modeli aynı satır kümesinde kurar (374), bu tutarlılığı korur. Bir bileşen sınırdaysa kovaryans kestirimi bozulur; şablon bu durumda sınır uyarısı verir (445).
S6. Lambeth katsayıları her tür için kullanılabilir mi?
Hayır. 1,02 ve 0,308, Lambeth'in (1980) birkaç çam türünün boy verisinden türettiği deneysel regresyon katsayılarıdır ve fenotipik aile ortalaması korelasyonlarına dayanır. Şablon bunları yalnız karşılaştırma için verir; kendi verinizin r_A değerleri varsa etkinlik sütunu, yoksa etkinlik_Lambeth okunur. Başka türler, özellikler (çap, hacim, odun yoğunluğu) ve çok genç yaşlar için ilişki farklıdır.
S7. Blok sabit ya da rastgele seçimi neyi değiştirir?
Dengeli veride genetik bileşenleri ve oranları değiştirmez; bambu verisinde iki seçenek aynı sonucu verdi, yalnız blok(lokasyon) varyansı (1,54) tabloya eklendi. Blok varyansı iki durumda da \sigma^2_P'ye girmez (235, 291). Dengesiz ya da eksik bloklu tasarımda rastgele blok, bloklar arası bilgiyi de kullanır ve kestirimler az da olsa değişir.
S8. Varyans bileşeni tablosundaki p değeri neyin testi?
H_0:\sigma^2=0 için tek yönlü Wald testi: z=\hat\sigma^2/\operatorname{SH}, p=1-\Phi(z) (188–189). Varyans kestirimlerinin dağılımı küçük örneklemde çarpıktır ve sıfır parametre uzayının sınırındadır; Wald testi bu yüzden gücü düşük, kaba bir göstergedir. Bambu verisinde aile bileşeni için p=0{,}21'dir; aynı soru için olabilirlik oranı testi daha güvenilirdir.
80.10 Kaynaklar
- Bates, D., Mächler, M., Bolker, B., & Walker, S. (2015). Fitting linear mixed-effects models using lme4. Journal of Statistical Software, 67(1), 1–48. https://doi.org/10.18637/jss.v067.i01
- Burdon, R. D. (1977). Genetic correlation as a concept for studying genotype-environment interaction in forest tree breeding. Silvae Genetica, 26(5–6), 168–175.
- Falconer, D. S., & Mackay, T. F. C. (1996). Introduction to quantitative genetics (4th ed.). Longman.
- Jayaraman, K. (1999). A statistical manual for forestry research. FAO Regional Office for Asia and the Pacific.
- Lambeth, C. C. (1980). Juvenile-mature correlations in Pinaceae and implications for early selection. Forest Science, 26(4), 571–580. https://doi.org/10.1093/forestscience/26.4.571
- Omer, S. O., Abdalla, A. W. H., Mohammed, M. H., & Singh, M. (2015). Bayesian estimation of genotype-by-environment interaction in sorghum variety trials. Communications in Biometry and Crop Science, 10(2), 82–95.
- Piepho, H.-P., & Möhring, J. (2007). Computing heritability and selection response from unbalanced plant breeding trials. Genetics, 177(3), 1881–1888. https://doi.org/10.1534/genetics.107.074229
- Robertson, A. (1959). The sampling variance of the genetic correlation coefficient. Biometrics, 15(3), 469–485. https://doi.org/10.2307/2527750
- White, T. L., Adams, W. T., & Neale, D. B. (2007). Forest genetics. CABI. https://doi.org/10.1079/9781845932855.0000
- Yamada, Y. (1962). Genotype by environment interaction and genetic correlation of the same trait under different environments. The Japanese Journal of Genetics, 37(6), 498–509. https://doi.org/10.1266/jjg.37.498