Kreuzbewertung und Nachkommensimulation mit JMP Genomics, Teil 1: BLUP für ZuchtversuchsdatenFür dieses Beispiel haben wir einen Satz von 309 Gerstenlinien ( barley_marker_data.sas7bdat ), die jeweils für etwa 3.500 Marker genotypisiert wurden. Wir haben auch eine Reihe von Messungen ( barley_trial_pheno.sas7bdat ) von vier Phänotypen, die aus Feldversuchen an zwei verschiedenen Standorten über einen Zeitraum von zwei Jahren entnommen wurden. Die gemessenen Phänotypen sind Proteingehalt, Testgewicht, Ergosteringehalt und Proteinausbeute. Bevor wir Kreuzungen bewerten und Nachkommen simulieren, müssen wir die Auswirkungen der mehreren Proben für jede Gerstenlinie mithilfe der besten linearen unvoreingenommenen Vorhersage (BLUP) erfassen. Das BLUP entfernt das Rauschen aus jeder der Versuchsmessungen und hinterlässt eine einzige Datenzeile für jede Gerstenlinie, die Vorhersagen über die phänotypischen Werte für jedes gemessene Merkmal liefert.
- Öffne das barley_trial_pheno. sas7bdat Datensatz. Dieser Datensatz enthält 2.161 Messungen aus mehreren Feldversuchen. Um das Design dieser Studien besser zu verstehen, wählen Sie aus Analysieren > Verteilung aus der Symbolleiste über der Datentabelle.
- Wenn wir uns die Verteilung der Standorte, Versuche, Parzellen, Jahre und Wiederholungen ansehen, können wir sehen, dass es 15 Versuche gab, die aus 26 Parzellen bestanden, die an zwei Standorten gepflanzt wurden. Wir sehen auch, dass die meisten Gerstenlinien an beiden Standorten in Dreierreihen gepflanzt wurden, was zu jeweils sechs Messungen führte.
- Kehren Sie zur Datentabelle zurück und wählen Sie aus Analysieren > Modell anpassen aus der Symbolleiste, um ein Modell zu erstellen.
- Wählen Sie die vier Merkmale aus: Protein, TW, Ergosterin, Und PY als die Y-Variablen .
- Um einen Modelleffekt hinzuzufügen, wählen Sie eine Variable aus der Liste der Spalten auf der linken Seite aus und klicken Sie auf Hinzufügen im Modelleffekte konstruieren
- Wählen Sie zunächst aus Linie als Zufallseffekt. Um dies zu tun, Hinzufügen Linie zum Modelleffekte Sobald es hinzugefügt wurde, markieren Sie es und wählen Sie es aus Attribute > Zufälliger Effekt aus dem Menü im Modelleffekte konstruieren
- Als nächstes fügen Sie hinzu Jahr Und loc als Effekte.
- Zu Kreuzen Effekte, fügen Sie den ersten Effekt hinzu und markieren Sie dann den Effekt im Modelleffekte Wählen Sie den zu kreuzenden Effekt aus und klicken Sie auf Kreuzen Schaltfläche in der Modelleffekte konstruieren Kasten. Um einen gemischten Effekt zu erzielen Jahr Und loc Markieren Jahr im Modelleffekte Box und loc aus der Spaltenliste und wählen Sie aus Kreuzen . Der neue Effekt wird angezeigt als Jahr*Ort .
- Fügen Sie bei verschachtelten Effekten den Haupteffekt hinzu und markieren Sie ihn im Modelleffekte Wählen Sie dann den zu verschachtelnden Effekt aus der Spaltenliste aus und klicken Sie auf Nest . Zum Nesten Jahr im Gerichtsverhandlung Effekt, fügen Sie den Test als Haupteffekt hinzu, markieren Sie ihn und markieren Sie ihn Jahr in der Spaltenliste und klicken Sie auf Nest . Der Effekt wird wie folgt angezeigt: Prozess[Jahr] .
- Fügen Sie jeden der Modelleffekte aus dem Screenshot unten hinzu. JMP werde a vorschlagen Persönlichkeit, Schwerpunkt, Und Methode die über die Dropdown-Menüs geändert werden kann. Behalten Sie die Standardeinstellungen für dieses Beispiel bei und deaktivieren Sie das Kontrollkästchen Ungebundene Varianzkomponenten Klicken Laufen um mit dem BLUP zu beginnen.
- Wenn das Modell fertig ist, erscheint ein neues Fenster mit Modellanpassungsstatistiken für jedes Merkmal. Zu jedem Merkmal ist unter der Überschrift eine Tabelle zu finden Vorhersagen zufälliger Effekte Geben Sie den BLUP für jede der Zeilen an.
- Um diese jeweils als Datentabelle zu öffnen, klicken Sie mit der rechten Maustaste auf eine beliebige Stelle in der Tabelle und wählen Sie aus In Datentabelle umwandeln .
- HINWEIS: Um das Modell in der JMP-Datentabelle zu speichern, die zum Erstellen verwendet wurde, klicken Sie auf das rote Dreieck neben Fit-Gruppe Überschrift auswählen und auswählen Skript speichern > In Datentabelle… Dadurch kann das Modell gespeichert und direkt aus der Datentabelle erneut ausgeführt werden.
- Führen Sie das aus In Datentabelle umwandeln Befehl für die Vorhersagen zufälliger Effekte Tabelle, die jedem der vier Merkmale entspricht. Jede Datentabelle wird in einem neuen Fenster geöffnet.
- Stellen Sie beim Erstellen jeder neuen Datentabelle sicher, dass Sie die Datentabelle benennen und umbenennen BLUP Spalte mit dem richtigen Merkmal (jede dieser Tabellen ist in den angehängten Dateien verfügbar). Benennen Sie die Spalten wie folgt:
- Proteingehalt (Protein): Protein_BLUP
- Test gewicht: TW_BLUP
- Ergosterin: ERG_BLUP
- Proteinausbeute (PY): PY_BLUP
- Jede der BLUP-Spalten muss zur Analyse zusammen mit den Markierungsdaten in einer einzigen Datentabelle zusammengefasst werden. Zuerst werden wir die phänotypischen Daten mit dem kombinieren Tabellen > Verbinden.Beginnen. Alle vier Datentabellen müssen in JMP geöffnet sein. Von dem Protein_BLUP Tabelle auswählen Tabellen > Verbinden. Von dem Treten Sie 'Protein_BLUP' bei Menü auswählen TW_BLUP . Dadurch werden die Variablen aus hinzugefügt TW_BLUP Tisch zum Quellspalten Kasten links.
- Im Quellspalten Feld auswählen Begriff aus beiden Variablenlisten und klicken Sie auf Passen Schaltfläche in der Passende Spezifikation.Dies wird eintreten Begriff=Begriff Geben Sie im Feld „Match-Spalten“ die Variablen an, aus denen die Tabellen zusammengeführt werden.
- Klicken Sie anschließend auf das Kästchen daneben Wählen Sie Spalten für die verbundene Tabelle aus unten im Fenster und fügen Sie die Variablen hinzu Begriff, Protein_BLUP, Und TW_BLUP .
- Im Name der Ausgabetabelle Feld, benennen Sie die Tabelle Combined_BLUP und klicken OK um die Zusammenführung abzuschließen.
- Als nächstes mit dem Combined_BLUP Tisch öffnen, wiederholen Tabellen > Verbinden Prozess, um beide BLUP-Spalten einzuschließen, die die enthalten ERG_BLUP und das PY_BLUP Werte aus den jeweiligen Tabellen. Die fertige Tabelle sollte fünf Spalten wie die folgende haben.
- Speichern Die Combined_BLUP Tabelle als SAS-Datensatz (.sas7bdat).
- Nachdem nun die BLUP-Werte für die vier Merkmale kombiniert wurden, können sie zu den Markierungsdaten hinzugefügt werden, aber zuerst müssen die Linien-IDs aus den Klammern im extrahiert werden Begriff Spalte in der Combined_BLUP. sas7bdat Tabelle, um die Leitungs-IDs aus der abzugleichen IndID Spalte in der barley_marker_data.sas7bdat Tisch. Dies kann mit der erfolgen Formel Optionen in JMP. Klicken Sie zunächst mit der rechten Maustaste auf die Spaltenkopfzeile und wählen Sie aus Neue Spalten… Benennen Sie im neuen Dialogfeld die Spalte „LineID“.
- Sobald die Leitungs-ID Wenn die Spalte erstellt wird, klicken Sie mit der rechten Maustaste darauf und wählen Sie sie aus Formel…
- Wählen Sie in der Liste ganz links im Formelfenster aus Zeichen > Wort . Um eine Formel zu erstellen, die die Zeilennamen aus der Klammer extrahiert, doppelklicken Sie auf den „Wort“-Teil der Formel in der Mitte des Bildschirms und geben Sie Word(2, Term, „[]“) ein. Klicken OK um die Formel auf die neue Spalte anzuwenden.
- Mithilfe der passenden Spalten können nun die Markerdaten und phänotypischen Daten in einer einzigen Tabelle zusammengeführt werden, die für die Analyse in JMP bereit ist. Beginnen Sie mit dem Combined_BLUP. sas7bdat Tabelle öffnen und erneut auswählen Tabellen > Verbinden aus der Symbolleiste.
- Im neuen Fenster, Passen Die Line_ID Spalte aus dem Combined_BLUP Tisch mit der Ind_ID Spalte aus dem barley_marker_data
- Im Passende Spezifikation Kontrollkästchen, aktivieren Sie das Kontrollkästchen Multiples fallen lassen Box für die Haupttisch und das Nichtübereinstimmungen einbeziehen Box für die Mit Tisch . Dadurch werden die zusätzlichen BLUP-Daten gelöscht und nur die Zeilen mit vorhandenen Markierungsdaten einbezogen.
- Eingeben barley_geno_pheno als die Name der Ausgabetabelle und klicken OK um die Tabellen zusammenzuführen.
- In der fertigen Tabelle sind alle Markierungsdaten mit den BLUP-Daten zusammengeführt. Klicken Sie optional mit der rechten Maustaste auf unerwünschte Spalten, um sie zu entfernen ( Begriff, LineID ) und verschieben Sie die IndID Fügen Sie die Spalte ganz links in der Tabelle hinzu, indem Sie sie an den Anfang der Spaltenliste in ziehen Säulen Feld links neben der Tabelle. Speichern Sie die Tabelle unter barley_geno_pheno. sas7bdat .
Zusammenfassung
Bevor mit der Kreuzbewertung und Nachkommensimulation begonnen wird, muss ein BLUP erstellt werden, um einen einzelnen phänotypischen Wert für jede Gerstenlinie zu erfassen. In diesem Beitrag haben wir ein gemischtes Modell erstellt, um BLUPs jeder Gerstenlinie zu erhalten, die BLUP-Werte für jedes Merkmal kombiniert und die genotypischen Daten zusammengeführt. Jetzt werden die SNP-Daten und die phänotypischen Daten in einem einzigen Datensatz zusammengefasst. Im nächsten Beitrag ( Kreuzbewertung und Nachkommensimulation mit JMP Genomics Teil 2: Überprüfung der prädiktiven Modellierung für Zuchtwerte ) erstellen und vergleichen wir Modelle durch Kreuzvalidierung, die die Zuchtwerte von Kreuzungen aus diesen Linien vorhersagen.
Für dieses Beispiel haben wir einen Satz von 309 Gerstenlinien, die jeweils für etwa 3.500 Marker genotypisiert wurden. Wir verfügen außerdem über eine Reihe von Messungen von vier Phänotypen, die aus Feldversuchen an zwei verschiedenen Standorten über einen Zeitraum von zwei Jahren stammen. Die gemessenen Phänotypen sind Proteingehalt, Testgewicht, Ergosteringehalt und Proteinausbeute. Bevor wir Kreuzungen bewerten und Nachkommen simulieren, müssen wir die Auswirkungen der mehreren Proben für jede Gerstenlinie mithilfe der besten linearen unvoreingenommenen Vorhersage (BLUP) erfassen. Das BLUP entfernt das Rauschen aus jeder der Versuchsmessungen und hinterlässt eine einzige Datenzeile für jede Gerstenlinie, die Vorhersagen über die phänotypischen Werte für jedes gemessene Merkmal liefert.
