218197_zh-CN

liliconcom

使用 JMP Genomics 进行交叉评估和后代模拟，第 1 部分：用于育种试验数据的 BLUP

对于此示例，我们有一组 309 个大麦品系（ barley_marker_data.sas7bdat ），每个已针对约 3,500 个标记进行了基因分型。 我们还有一组测量值（大麦_试验_pheno.sas7bdat ）在两年内从两个不同地点进行的现场试验中获取的四种表型。 测量的表型是蛋白质含量、测试重量、麦角甾醇含量和蛋白质产量。 在评估杂交和模拟后代之前，我们必须使用最佳线性无偏预测 (BLUP) 捕获每个大麦品系的多个样本的影响。 BLUP 消除了每次试验测量中的噪音，并为我们留下了每个大麦品系的单行数据，从而预测了每个测量性状的表型值。

1. 打开大麦试验现象。 sas7bdat数据集。 该数据集包含来自多个现场试验的 2,161 个测量值。 为了更好地理解这些试验的设计，选择分析 > 分布从数据表上方的工具栏中。

• 查看地点、试验、地块、年份和重复次数的分布，我们可以看到有 15 个试验，由 26 个地块组成，分布在两个地点。 我们还看到，大多数大麦品系在两个地点都以三个为一组进行种植，每个大麦品系进行了六次测量。

1. 返回数据表，选择分析 > 拟合模型从工具栏构建模型。
2. 选择四个特征：蛋白质、TW、麦角甾醇、和平阳作为Y 变量。
3. 要添加模型效果，请从左侧的列列表中选择一个变量，然后选择添加在里面构建模型效果
   • 首先，选择线作为随机效应。 去做这个，添加线到模型效应框，添加后，突出显示它并选择属性>随机效果从菜单中构建模型效果
   • 接下来，添加年和洛克作为效果。
   • 到叉效果，添加第一个效果，然后在模型效应选择要划线的效果，点击叉按钮在构建模型效果盒子。 创建混合效果年和洛克强调年在里面模型效应盒子和洛克从列列表中并选择叉。 新效果将显示为年*地点。
   • 对于嵌套效果，添加主效果并在模型效应框，然后从列列表中选择要嵌套的效果，然后单击巢。 筑巢年在里面审判效果，添加试用作为主要效果，突出它以及年在列列表中，然后单击巢。 效果将显示为审判[年] 。
4. 添加下面屏幕截图中的每个模型效果。 联合管理计划会建议一个个性、强调、和方法可以从下拉菜单中更改。 保留此示例的默认值并取消选中未绑定方差分量点击跑步开始 BLUP。
5. 模型完成后，将出现一个新窗口，其中包含每个特征的模型拟合统计数据。 在每个特征的标题下都可以找到一个表格随机效应预测给出每条线的 BLUP。
   • 要将其中每个作为数据表打开，请右键单击表中的任意位置并选择制作成数据表。
   • 注意：要将模型保存到用于创建该模型的 JMP 数据表中，请单击模型旁边的红色三角形飞度集团标题并选择保存脚本 > 到数据表... 这将允许模型被保存并直接从数据表重新运行。
6. 执行制作成数据表命令为随机效应预测表格对应于四个特征中的每一个。 每个数据表都将在新窗口中打开。
   • 创建每个新数据表时，请确保为数据表命名并重命名蓝普具有适当特征的列（每个表都可以在附件中找到）。 各列的名称如下：
     1. 蛋白质含量（蛋白质）：蛋白质_BLUP
     2. 测试重量： TW_BLUP
     3. 麦角甾醇： ERG_BLUP
     4. 蛋白质产量（PY）： PY_BLUP
7. 每个 BLUP 列都需要与标记数据一起合并到一个数据表中以进行分析。 首先，我们将使用以下方法组合表型数据：表 > 连接。开始。所有四个数据表都必须在 JMP 中打开。 来自蛋白质_BLUP表，选择表 > 连接。 来自加入“Protein_BLUP”菜单，选择TW_BLUP 。 这将添加来自TW_BLUP表到来源专栏左边的盒子。
8. 在里面来源专栏框，选择学期从两个变量列表中，然后单击匹配按钮在配套规格。这将进入期限=期限在“匹配列”框中指示要合并表的变量。
9. 接下来，单击旁边的框选择连接表的列在窗口底部并添加变量术语，Protein_BLUP，和TW_BLUP 。
10. 在里面输出表名框，命名表组合_BLUP然后单击好的来完成合并。
11. 接下来，与组合_BLUP打开桌子，重复表 > 连接过程包括两个 BLUP 列，其中包含ERG_BLUP和PY_BLUP各自表中的值。 完成的表格应该有五列，如下所示。
12. 节省这组合_BLUP表作为 SAS 数据集 (.sas7bdat)。
13. 现在，四个性状的 BLUP 值已合并，可以将它们添加到标记数据中，但首先需要从学期栏目中的组合_BLUP。 sas7bdat表来匹配线路 ID工业ID栏目中的barley_marker_data.sas7bdat桌子。 这可以使用以下方法完成公式JMP 中的选项。 首先，右键单击列标题行并选择新专栏... 在新对话框中，将该列命名为“LineID”。
14. 一旦线路ID列已创建，右键单击它并选择公式…
15. 在公式窗口最左侧的列表中，选择字符 > 单词。 要创建一个从括号中提取行名称的公式，请双击屏幕中间公式的“Word”部分，然后输入 Word(2, Term, "[]")。 点击好的将公式应用到新列。
16. 现在，使用匹配列，可以将标记数据和表型数据合并到一个表中，以便在 JMP 中进行分析。 从组合_BLUP。 sas7bdat打开表并再次选择表 > 连接从工具栏。
17. 在新窗口中，匹配这线路ID列从组合_BLUP表与工业ID列从大麦标记数据
18. 在里面配套规格框，选中掉落倍数盒子用于主表和包括不匹配项盒子用于带桌子。 这将删除额外的 BLUP 数据，并仅包括存在标记数据的行。
19. 进入大麦基因现象作为输出表名然后单击好的合并表。
20. 完成的表将所有标记数据与 BLUP 数据合并。 或者，右键单击任何不需要的列以将其删除（术语、线路 ID ）并移动工业ID通过将其拖动到表中列列表的顶部，将其拖到表中最左边的列列表格左侧的方框。 将表另存为大麦基因现象。 sas7bdat 。

概括

在开始交叉评估和后代模拟过程之前，必须创建 BLUP 来捕获每个大麦品系的单个表型值。 在这篇文章中，我们创建了一个混合模型来获取每个大麦品系的 BLUP，组合每个性状的 BLUP 值，并合并到基因型数据中。 现在，SNP 数据和表型数据合并在一个数据集中。 在下一篇文章中（使用 JMP Genomics 进行交叉评估和后代模拟第 2 部分：育种价值的预测模型审查），我们通过交叉验证创建和比较模型，这将预测这些品系杂交的育种值。  

对于此示例，我们有一组 309 个大麦品系，每个品系已进行约 3,500 个标记的基因分型。 我们还有一组对四种表型的测量结果，这些测量结果是在两年内从两个不同地点进行的现场试验中获得的。 测量的表型是蛋白质含量、测试重量、麦角甾醇含量和蛋白质产量。 在评估杂交和模拟后代之前，我们必须使用最佳线性无偏预测 (BLUP) 捕获每个大麦品系的多个样本的影响。 BLUP 消除了每次试验测量中的噪音，并为我们留下了每个大麦品系的单行数据，从而预测了每个测量性状的表型值。