Pour cet exemple, nous avons un ensemble de 309 lignes d'orge ( barley_marker_data.sas7bdat ), qui ont été génotypés pour environ 3 500 marqueurs chacun. Nous avons également un ensemble de mesures ( barley_trial_pheno.sas7bdat ) de quatre phénotypes issus d'essais sur le terrain à deux endroits différents sur une période de deux ans. Les phénotypes mesurés sont la teneur en protéines, le poids spécifique, la teneur en ergostérol et le rendement en protéines. Avant d'évaluer les croisements et de simuler la descendance, nous devons saisir les effets des multiples échantillons pour chaque lignée d'orge en utilisant la meilleure prédiction linéaire sans biais (BLUP). Le BLUP supprime le bruit de chacune des mesures d'essai et nous laisse avec une seule ligne de données pour chaque lignée d'orge donnant des prédictions des valeurs phénotypiques pour chaque trait mesuré.
- Ouvrez le barley_trial_pheno. sas7bdat base de données. Cet ensemble de données contient 2 161 mesures prises à partir de plusieurs essais sur le terrain. Pour mieux comprendre la conception de ces essais, sélectionnez Analyse > Répartition dans la barre d'outils au-dessus du tableau de données.
- En regardant la répartition des emplacements, des essais, des parcelles, des années et des répétitions, nous pouvons voir qu'il y a eu 15 essais composés de 26 parcelles plantées à deux endroits. Nous constatons également que la plupart des lignes d'orge ont été plantées en répétitions de trois aux deux endroits, ce qui a donné six mesures chacune.
- De retour à la table de données, sélectionnez Analyser > Ajuster le modèle de la barre d'outils pour construire un modèle.
- Sélectionnez les quatre traits : Protéine, TW, Ergostérol, et PY comme le Variables Y .
- Pour ajouter un effet de modèle, sélectionnez une variable dans la liste des colonnes à gauche et sélectionnez Ajouter dans le Construire des effets de modèle
- Tout d'abord, sélectionnez doubler comme un effet aléatoire. Pour faire ça, Ajouter doubler au Effets de modèle boîte, une fois qu'il est ajouté, mettez-le en surbrillance et sélectionnez Attributs > Effet aléatoire du menu dans le Construire des effets de modèle
- Ensuite, ajoutez année et lieu comme effets.
- Pour Croix effets, ajoutez le premier effet, puis mettez en surbrillance l'effet dans Effets de modèle Sélectionnez l'effet à traverser et cliquez sur le Croix bouton dans le Construire des effets de modèle boîte. Pour créer un effet mixte pour année et lieu souligner année dans le Effets de modèle boîte et lieu dans la liste des colonnes et sélectionnez Croix . Le nouvel effet apparaîtra comme année*lieu .
- Pour les effets imbriqués, ajoutez l'effet principal et mettez-le en surbrillance dans le Effets de modèle case, puis sélectionnez l'effet à imbriquer dans la liste des colonnes et cliquez sur Nid . Au nid année dans le procès effet, ajoutez le procès comme effet principal, mettez-le en surbrillance ainsi que année dans la liste des colonnes et cliquez sur Nid . L'effet apparaîtra comme procès[année] .
- Ajoutez chacun des effets de modèle de la capture d'écran ci-dessous. JMP proposera une Personnalité, emphase, et Méthode qui peut être modifié à partir des menus déroulants. Conservez les valeurs par défaut pour cet exemple et décochez la case Composants d'écart non liés Cliquez sur Courir pour commencer le BLUP.
- Lorsque le modèle est terminé, une nouvelle fenêtre apparaîtra avec les statistiques d'ajustement du modèle pour chaque trait. Sous chacun des traits, un tableau se trouve sous la rubrique Prédictions d'effets aléatoires donnant le BLUP pour chacune des lignes.
- Pour ouvrir chacun d'entre eux sous forme de tableau de données, cliquez avec le bouton droit n'importe où dans le tableau et sélectionnez Transformer en tableau de données .
- REMARQUE : Pour enregistrer le modèle dans la table de données JMP qui a été utilisée pour le créer, cliquez sur le triangle rouge à côté de Groupe d'ajustement titre et sélectionnez Enregistrer le script > Dans la table de données… Cela permettra au modèle d'être enregistré et réexécuté directement à partir de la table de données.
- Effectuer la Transformer en tableau de données commande pour le Prédictions d'effets aléatoires tableau correspondant à chacun des quatre traits. Chaque tableau de données s'ouvrira dans une nouvelle fenêtre.
- Lorsque chaque nouvelle table de données est créée, assurez-vous de nommer la table de données et de renommer le BLUP colonne avec le trait approprié (chacun de ces tableaux est disponible dans les fichiers joints). Nommez les colonnes comme suit :
- Teneur en protéines (Protéine): Protéine_BLUP
- Poids d'essai : TW_BLUP
- Ergostérol : ERG_BLUP
- Rendement en protéines (PY): PY_BLUP
- Chacune des colonnes BLUP devra être combinée dans un seul tableau de données avec les données de marqueur pour l'analyse. Dans un premier temps, nous combinerons les données phénotypiques à l'aide des Tables > Joindre.Pour commencer. les quatre tables de données doivent être ouvertes dans JMP. Du Protéine_BLUP tableau, sélectionnez Tables > Joindre. Du Rejoignez 'Protein_BLUP' avec menu, sélectionnez TW_BLUP . Cela ajoutera les variables du TW_BLUP tableau à la Colonnes sources case à gauche.
- Dans le Colonnes sources boîte, sélectionnez Terme dans les deux listes de variables et cliquez sur le Correspondre bouton dans le Spécification correspondante.Cela entrera Terme=Terme dans la case Match Columns indiquant les variables à partir desquelles les tableaux seront fusionnés.
- Ensuite, cliquez sur la case à côté de Sélectionner les colonnes pour le tableau joint en bas de la fenêtre et ajouter les variables Terme, Protein_BLUP, et TW_BLUP .
- Dans le Nom de la table de sortie boîte, nommez la table combiné_BLUP et cliquez D'ACCORD pour terminer la fusion.
- Ensuite, avec le combiné_BLUP table ouverte, répétez la Tableaux > Joindre processus pour inclure à la fois les colonnes BLUP contenant le ERG_BLUP et le PY_BLUP valeurs de leurs tables respectives. Le tableau fini devrait avoir cinq colonnes comme celle ci-dessous.
- Sauvegarder le combiné_BLUP table en tant qu'ensemble de données SAS (.sas7bdat).
- Maintenant que les valeurs BLUP pour les quatre traits sont combinées, elles peuvent être ajoutées aux données de marqueur, mais d'abord les ID de ligne devront être extraits des parenthèses dans le Terme colonne dans la combiné_BLUP. sas7bdat table pour faire correspondre les ID de ligne de la En fait colonne dans la barley_marker_data.sas7bdat tableau. Ceci peut être fait en utilisant le Formule options dans JMP. Tout d'abord, cliquez avec le bouton droit sur la ligne d'en-tête de colonne et sélectionnez Nouvelles colonnes… Dans la nouvelle boîte de dialogue, nommez la colonne "LineID".
- Une fois la Id de ligne la colonne est créée, cliquez dessus avec le bouton droit de la souris et sélectionnez Formule…
- Dans la liste à l'extrême gauche de la fenêtre Formule, sélectionnez Caractère > Mot . Pour créer une formule qui extraira les noms de ligne du crochet, double-cliquez sur la partie "Mot" de la formule au milieu de l'écran et entrez Word(2, Term, "[]"). Cliquez sur D'ACCORD pour appliquer la formule à la nouvelle colonne.
- Désormais, à l'aide des colonnes correspondantes, les données des marqueurs et les données phénotypiques peuvent être fusionnées dans un seul tableau prêt à être analysé dans JMP. Commencez par le combiné_BLUP. sas7bdat table ouverte et sélectionnez à nouveau Tableaux > Joindre de la barre d'outils.
- Dans la nouvelle fenêtre, Correspondre le Id de ligne colonne de la combiné_BLUP tableau avec le En fait colonne de la barley_marker_data
- Dans le Spécification correspondante case, cochez la case Déposez des multiples boîte pour le Tableau principal et le Inclure les non-correspondances boîte pour le Avec tableau . Cela supprimera les données BLUP supplémentaires et n'inclura que les lignes avec des données de marqueur présentes.
- Entrer orge_geno_pheno comme le Nom de la table de sortie et cliquez D'ACCORD pour fusionner les tables.
- Le tableau terminé contient toutes les données de marqueur fusionnées avec les données BLUP. Si vous le souhaitez, cliquez avec le bouton droit sur les colonnes indésirables pour les supprimer ( Terme, ID de ligne ) et déplacez le En fait colonne vers la colonne la plus à gauche du tableau en la faisant glisser vers le haut de la liste des colonnes dans le Colonnes case à gauche du tableau. Enregistrez le tableau sous orge_geno_pheno. sas7bdat .
Résumé
Avant de commencer le processus d'évaluation croisée et de simulation de la descendance, un BLUP doit être créé pour capturer une seule valeur phénotypique pour chaque lignée d'orge. Dans cet article, nous avons créé un modèle mixte pour obtenir les BLUP de chaque lignée d'orge, combiné les valeurs BLUP pour chaque trait et fusionné dans les données génotypiques. Désormais, les données SNP et les données phénotypiques sont combinées dans un seul ensemble de données. Dans le prochain message ( Évaluation croisée et simulation de descendance avec JMP Genomics Partie 2 : Examen de la modélisation prédictive pour les valeurs d'élevage ), nous créons et comparons des modèles par validation croisée, qui prédiront les valeurs génétiques des croisements issus de ces lignées.
Pour cet exemple, nous avons un ensemble de 309 lignées d'orge, qui ont été génotypées pour environ 3 500 marqueurs chacune. Nous avons également un ensemble de mesures de quatre phénotypes tirées d'essais sur le terrain à deux endroits distincts sur une période de deux ans. Les phénotypes mesurés sont la teneur en protéines, le poids spécifique, la teneur en ergostérol et le rendement en protéines. Avant d'évaluer les croisements et de simuler la descendance, nous devons saisir les effets des multiples échantillons pour chaque lignée d'orge en utilisant la meilleure prédiction linéaire sans biais (BLUP). Le BLUP supprime le bruit de chacune des mesures d'essai et nous laisse avec une seule ligne de données pour chaque lignée d'orge donnant des prédictions des valeurs phénotypiques pour chaque trait mesuré.
