218197_zh-TW

liliconcom

使用 JMP Genomics 進行交叉評估和後代模擬，第 1 部分：用於育種試驗數據的 BLUP

對於此示例，我們有一組 309 個大麥品系（ barley_marker_data.sas7bdat ），每個已針對約 3,500 個標記進行了基因分型。 我們還有一組測量值（大麥_試驗_pheno.sas7bdat ）在兩年內從兩個不同地點進行的現場試驗中獲取的四種表型。 測量的表型是蛋白質含量、測試重量、麥角甾醇含量和蛋白質產量。 在評估雜交和模擬後代之前，我們必須使用最佳線性無偏預測 (BLUP) 捕獲每個大麥品系的多個樣本的影響。 BLUP 消除了每次試驗測量中的噪音，並為我們留下了每個大麥品系的單行數據，從而預測了每個測量性狀的表型值。

1. 打開大麥試驗現象。 sas7bdat數據集。 該數據集包含來自多個現場試驗的 2,161 個測量值。 為了更好地理解這些試驗的設計，選擇分析 > 分佈從數據表上方的工具欄中。

• 查看地點、試驗、地塊、年份和重複次數的分佈，我們可以看到有 15 個試驗，由 26 個地塊組成，分佈在兩個地點。 我們還看到，大多數大麥品系在兩個地點都以三個為一組進行種植，每個大麥品系進行了六次測量。

1. 返回數據表，選擇分析 > 擬合模型從工具欄構建模型。
2. 選擇四個特徵：蛋白質、TW、麥角甾醇、和平陽作為Y 變量。
3. 要添加模型效果，請從左側的列列表中選擇一個變量，然後選擇添加在裡面構建模型效果
   • 首先，選擇線作為隨機效應。 去做這個，添加線到模型效應框，添加後，突出顯示它並選擇屬性>隨機效果從菜單中構建模型效果
   • 接下來，添加年和洛克作為效果。
   • 到叉效果，添加第一個效果，然後在模型效應選擇要劃線的效果，點擊叉按鈕在構建模型效果盒子。 創建混合效果年和洛克強調年在裡面模型效應盒子和洛克從列列表中並選擇叉。 新效果將顯示為年*地點。
   • 對於嵌套效果，添加主效果並在模型效應框，然後從列列表中選擇要嵌套的效果，然後單擊巢。 築巢年在裡面審判效果，添加試用作為主要效果，突出它以及年在列列表中，然後單擊巢。 效果將顯示為審判[年] 。
4. 添加下面屏幕截圖中的每個模型效果。 聯合管理計劃會建議一個個性、強調、和方法可以從下拉菜單中更改。 保留此示例的默認值並取消選中未綁定方差分量點擊跑步開始 BLUP。
5. 模型完成後，將出現一個新窗口，其中包含每個特徵的模型擬合統計數據。 在每個特徵的標題下都可以找到一個表格隨機效應預測給出每條線的 BLUP。
   • 要將其中每個作為數據表打開，請右鍵單擊表中的任意位置並選擇製作成數據表。
   • 注意：要將模型保存到用於創建該模型的 JMP 數據表中，請單擊模型旁邊的紅色三角形飛度集團標題並選擇保存腳本 > 到數據表... 這將允許模型被保存並直接從數據表重新運行。
6. 執行製作成數據表命令為隨機效應預測表格對應於四個特徵中的每一個。 每個數據表都將在新窗口中打開。
   • 創建每個新數據表時，請確保為數據表命名並重命名藍普具有適當特徵的列（每個表都可以在附件中找到）。 各列的名稱如下：
     1. 蛋白質含量（蛋白質）：蛋白質_BLUP
     2. 測試重量： TW_BLUP
     3. 麥角甾醇： ERG_BLUP
     4. 蛋白質產量（PY）： PY_BLUP
7. 每個 BLUP 列都需要與標記數據一起合併到一個數據表中以進行分析。 首先，我們將使用以下方法組合表型數據：表 > 連接。開始。所有四個數據表都必須在 JMP 中打開。 來自蛋白質_BLUP表，選擇表 > 連接。 來自加入“Protein_BLUP”菜單，選擇TW_BLUP 。 這將添加來自TW_BLUP表到來源專欄左邊的盒子。
8. 在裡面來源專欄框，選擇學期從兩個變量列表中，然後單擊匹配按鈕在配套規格。這將進入期限=期限在“匹配列”框中指示要合併表的變量。
9. 接下來，單擊旁邊的框選擇連接表的列在窗口底部並添加變量術語，Protein_BLUP，和TW_BLUP 。
10. 在裡面輸出表名框，命名表組合_BLUP然後單擊好的來完成合併。
11. 接下來，與組合_BLUP打開桌子，重複表 > 連接過程包括兩個 BLUP 列，其中包含ERG_BLUP和PY_BLUP各自表中的值。 完成的表格應該有五列，如下所示。
12. 節省這組合_BLUP表作為 SAS 數據集 (.sas7bdat)。
13. 現在，四個性狀的 BLUP 值已合併，可以將它們添加到標記數據中，但首先需要從學期欄目中的組合_BLUP。 sas7bdat表來匹配線路 ID工業ID欄目中的barley_marker_data.sas7bdat桌子。 這可以使用以下方法完成公式JMP 中的選項。 首先，右鍵單擊列標題行並選擇新專欄... 在新對話框中，將該列命名為“LineID”。
14. 一旦線路ID列已創建，右鍵單擊它並選擇公式…
15. 在公式窗口最左側的列表中，選擇字符 > 單詞。 要創建一個從括號中提取行名稱的公式，請雙擊屏幕中間公式的“Word”部分，然後輸入 Word(2, Term, "[]")。 點擊好的將公式應用到新列。
16. 現在，使用匹配列，可以將標記數據和表型數據合併到一個表中，以便在 JMP 中進行分析。 從組合_BLUP。 sas7bdat打開表並再次選擇表 > 連接從工具欄。
17. 在新窗口中，匹配這線路ID列從組合_BLUP表與工業ID列從大麥標記數據
18. 在裡面配套規格框，選中掉落倍數盒子用於主表和包括不匹配項盒子用於帶桌子。 這將刪除額外的 BLUP 數據，並僅包括存在標記數據的行。
19. 進入大麥基因現象作為輸出表名然後單擊好的合併表。
20. 完成的表將所有標記數據與 BLUP 數據合併。 或者，右鍵單擊任何不需要的列以將其刪除（術語、線路 ID ）並移動工業ID通過將其拖動到表中列列表的頂部，將其拖到表中最左邊的列列表格左側的方框。 將表另存為大麥基因現象。 sas7bdat 。

概括

在開始交叉評估和後代模擬過程之前，必須創建 BLUP 來捕獲每個大麥品系的單個表型值。 在這篇文章中，我們創建了一個混合模型來獲取每個大麥品系的 BLUP，組合每個性狀的 BLUP 值，並合併到基因型數據中。 現在，SNP 數據和表型數據合併在一個數據集中。 在下一篇文章中（使用 JMP Genomics 進行交叉評估和後代模擬第 2 部分：育種價值的預測模型審查），我們通過交叉驗證創建和比較模型，這將預測這些品系雜交的育種值。  

對於此示例，我們有一組 309 個大麥品系，每個品系已進行約 3,500 個標記的基因分型。 我們還有一組對四種表型的測量結果，這些測量結果是在兩年內從兩個不同地點進行的現場試驗中獲得的。 測量的表型是蛋白質含量、測試重量、麥角甾醇含量和蛋白質產量。 在評估雜交和模擬後代之前，我們必須使用最佳線性無偏預測 (BLUP) 捕獲每個大麥品系的多個樣本的影響。 BLUP 消除了每次試驗測量中的噪音，並為我們留下了每個大麥品系的單行數據，從而預測了每個測量性狀的表型值。