218197_ja-JP

liliconcom

JMP Genomics を使用した相互評価と子孫シミュレーション、パート 1: 育種試験データ用の BLUP

この例では、309 本の大麦系統のセットがあります (大麦_マーカー_データ.sas7bdat ）、それぞれ約 3,500 個のマーカーについて遺伝子型が特定されています。 測定セットもご用意しております（ barley_trial_pheno.sas7bdat ) 2 年間にわたる 2 つの別々の場所でのフィールド試験から得られた 4 つの表現型。 測定される表現型は、タンパク質含量、試験体重、エルゴステロール含量、およびタンパク質収量です。 交雑を評価し、子孫をシミュレーションする前に、最適線形不偏予測 (BLUP) を使用して、オオムギ系統ごとに複数のサンプルの効果を捕捉する必要があります。 BLUP は、各試行測定値からノイズを除去し、測定された各形質の表現型値の予測を与える各オオムギ系統の 1 行のデータを残します。

1. を開きます大麦_トライアル_フェノ。 sas7bdatデータセット。 このデータセットには、複数のフィールド試験から得られた 2,161 件の測定値が含まれています。 これらの試験のデザインをより深く理解するには、次の項目を選択してください。分析 > 分布データテーブルの上にあるツールバーから。

• 場所、試験、区画、年、および繰り返しの分布を見ると、2 つの場所に植えられた 26 の区画からなる 15 件の試験があったことがわかります。 また、ほとんどの大麦系統が両方の場所で 3 回の繰り返しで植えられ、それぞれ 6 回の測定結果が得られたこともわかります。

1. データテーブルに戻り、次を選択します。分析 > モデルの適合ツールバーから をクリックしてモデルを構築します。
2. 4 つの特性を選択します。プロテイン、TW、エルゴステロール、とピィとしてY変数。
3. モデル効果を追加するには、左側の列のリストから変数を選択し、追加の中にモデル効果の構築
   • まず、選択しますラインランダム効果として。 これをする、追加ラインにモデル効果ボックスに追加したら、強調表示して選択します属性 > ランダム効果のメニューからモデル効果の構築
   • 次に、追加します年とロック効果として。
   • にクロスエフェクトを選択し、最初のエフェクトを追加してから、そのエフェクトをハイライト表示します。モデル効果交差する効果を選択し、クロスのボタンモデル効果の構築箱。 混合効果を作成するには年とロックハイライト年の中にモデル効果箱とロック列のリストから選択します。クロス。 新しい効果は次のように表示されます年*場所。
   • ネストされたエフェクトの場合は、メインエフェクトを追加し、モデル効果ボックスにチェックを入れ、列のリストからネストする効果を選択し、ネスト。 ネストする年の中にトライアルエフェクト、トライアルをメインエフェクトとして追加し、ハイライトするだけでなく年列リストでクリックします。ネスト。 効果は次のように表示されますトライアル[年] 。
4. 以下のスクリーンショットから各モデル効果を追加します。 JMPを提案します個性、強調点、と方法これはドロップダウン メニューから変更できます。 この例ではデフォルトのままにし、チェックを外します。非結合分散成分クリック走るBLUPを開始します。
5. モデルが完了すると、新しいウィンドウが表示され、各特性のモデル適合統計が表示されます。 各特性の下に、見出しの下に表があります。ランダム効果の予測各行の BLUP を与えます。
   • これらのそれぞれをデータ テーブルとして開くには、テーブル内の任意の場所を右クリックし、データテーブル化。
   • 注: モデルの作成に使用した JMP データ テーブルにモデルを保存するには、モデルの横にある赤い三角形をクリックします。フィットグループ見出しと選択スクリプトを保存 > データテーブルに… これにより、モデルを保存し、データ テーブルから直接再実行できるようになります。
6. を実行します。データテーブル化のコマンドランダム効果の予測4つの特性のそれぞれに対応する表。 各データ テーブルが新しいウィンドウで開きます。
   • 新しいデータ テーブルを作成するたびに、必ずデータ テーブルに名前を付け、データ テーブルの名前を変更してください。 BLUP適切な特性を持つ列 (これらの各表は添付ファイルで入手可能です)。 次のように列に名前を付けます。
     1. タンパク質含有量 (タンパク質):プロテイン_BLUP
     2. テスト重量: TW_BLUP
     3. エルゴステロール: ERG_BLUP
     4. タンパク質収量 (PY): PY_BLUP
7. 各 BLUP 列は、分析用のマーカー データとともに単一のデータ テーブルに結合する必要があります。 まず、表現型データを結合します。 [テーブル] > [結合]。始める。 4 つのデータ テーブルはすべて JMP で開く必要があります。 からプロテイン_BLUPテーブル、選択[テーブル] > [結合]。 から「Protein_BLUP」に参加してくださいメニュー、選択TW_BLUP 。 これにより、次の変数が追加されます。 TW_BLUPテーブルにソース列左側のボックス。
8. の中にソース列ボックス、選択学期両方の変数リストから選択し、マッチのボタンマッチング仕様。これは入ります期間=期間[列の一致] ボックスに、テーブルのマージ元となる変数を示します。
9. 次に、次のボックスをクリックします。結合テーブルの列を選択しますウィンドウの下部にある変数を追加します用語、プロテイン_BLUP、とTW_BLUP 。
10. の中に出力テーブル名ボックスで、テーブルに名前を付けます結合_BLUPそしてクリックしてくださいOKマージを完了します。
11. 次に、結合_BLUPテーブルを開いて、を繰り返しますテーブル > 結合を含む両方の BLUP 列を含めるプロセスERG_BLUPそしてそのPY_BLUPそれぞれのテーブルからの値。 完成したテーブルには、以下のような 5 つの列が含まれているはずです。
12. 保存の結合_BLUPテーブルを SAS データセット (.sas7bdat) として保存します。
13. 4 つの特性の BLUP 値が結合されたので、それらをマーカー データに追加できますが、最初に行 ID を括弧内から抽出する必要があります。学期の列結合_BLUP。 sas7bdatの回線 ID と一致するテーブルインドIDの列大麦_マーカー_データ.sas7bdatテーブル。 これは、方式JMP のオプション。 まず、列ヘッダー行を右クリックして、新しいコラム… 新しいダイアログ ボックスで、列に「LineID」という名前を付けます。
14. 一度ラインID列が作成されたら、それを右クリックして選択します方式…
15. 数式ウィンドウの左端にあるリストで、次を選択します。文字 > 単語。 括弧から行名を抽出する数式を作成するには、画面中央にある数式の「Word」部分をダブルクリックし、「Word(2, Term, "[]")」と入力します。 クリックOKをクリックして、新しい列に数式を適用します。
16. 一致する列を使用して、マーカー データと表現型データを 1 つのテーブルにマージし、JMP ですぐに分析できるようになりました。 から始めます結合_BLUP。 sas7bdatテーブルを開いて再度選択しますテーブル > 結合ツールバーから。
17. 新しいウィンドウで、マッチの回線IDのコラムから結合_BLUPのテーブルInd_IDのコラムから大麦_マーカー_データ
18. の中に適合仕様ボックスにチェックを入れます複数のドロップのボックスメインテーブルそしてその一致しないものを含めるのボックステーブル付き。 これにより、余分な BLUP データが削除され、マーカー データが存在する行のみが含まれます。
19. 入力大麦_ジェノ_フェノとして出力テーブル名そしてクリックしてくださいOKテーブルを結合します。
20. 完成したテーブルには、すべてのマーカー データが BLUP データとマージされています。 必要に応じて、不要な列を右クリックして削除します (用語、回線ID ) を移動します。インドID列をテーブルの列リストの一番上にドラッグして、テーブルの一番左の列に移動します。コラムテーブルの左側にあるボックス。 テーブルを次の名前で保存しますオオムギ_ジェノ_フェノ。 sas7bdat 。

まとめ

相互評価と子孫シミュレーションのプロセスを開始する前に、オオムギの各系統の単一の表現型値を取得する BLUP を作成する必要があります。 この投稿では、各オオムギ系統の BLUP を取得する混合モデルを作成し、各形質の BLUP 値を組み合わせて、遺伝子型データに統合しました。 これで、SNP データと表現型データが 1 つのデータセットに結合されました。 次の投稿では ( JMP Genomics を使用した相互評価と子孫シミュレーション パート 2: 育種価の予測モデリングのレビュー)、これらの系統からの交配の育種価値を予測する交差検証を通じてモデルを作成および比較します。  

この例では、309 本のオオムギ系統のセットがあり、それぞれ約 3,500 個のマーカーについて遺伝子型決定されています。 また、2 年間にわたる 2 つの別々の場所での野外試験から得られた 4 つの表現型の一連の測定値も入手しました。 測定される表現型は、タンパク質含量、試験体重、エルゴステロール含量、およびタンパク質収量です。 交雑を評価し、子孫をシミュレーションする前に、最適線形不偏予測 (BLUP) を使用して、オオムギ系統ごとに複数のサンプルの効果を捕捉する必要があります。 BLUP は、各試行測定値からノイズを除去し、測定された各形質の表現型値の予測を与える各オオムギ系統の 1 行のデータを残します。