育种值 表型值 回归系数 相关系数 遗传力之间的关系

假定表型值由均值+育种值+残差

y i = μ + a i + ϵ i y_i = \mu + a_i + \epsilon_i yi=μ+ai+ϵi

表型值 VS 育种值

他们之间的相关系数
c o r ( y , a ) = C o v ( y , a ) V a r ( y ) ∗ V a r ( a ) cor(y,a) = \frac{Cov(y,a)}{\sqrt{Var(y)*Var(a)}} cor(y,a)=Var(y)Var(a) Cov(y,a)

其中:
C o v ( y , a ) = C o v ( μ + a + ϵ , a ) = C o v ( a , a ) = V a r ( a ) Cov(y,a) = Cov(\mu + a + \epsilon, a) = Cov(a,a) = Var(a) Cov(y,a)=Cov(μ+a+ϵ,a)=Cov(a,a)=Var(a)

所以:
c o r ( y , a ) = V a r ( a ) V a r ( y ) ∗ V a r ( a ) = V a r ( a ) V a r ( y ) = h 2 cor(y,a) = \frac{Var(a)}{\sqrt{Var(y)*Var(a)}} = \sqrt{\frac{Var(a)}{Var(y)}} = \sqrt{h^2} cor(y,a)=Var(y)Var(a) Var(a)=Var(y)Var(a) =h2

回归系数 VS 相关系数 VS 遗传力

回归系数:
b a , y = C o v ( y , a ) V a r ( y ) = V a r ( a ) V a r ( y ) = h 2 b_{a,y} = \frac{Cov(y,a)}{Var(y)} = \frac{Var(a)}{Var(y)} = h^2 ba,y=Var(y)Cov(y,a)=Var(y)Var(a)=h2
回归系数和相关系数:
b a , y = c o r 2 ( a , y ) = h 2 b_{a,y} = cor^2(a,y) = h^2 ba,y=cor2(a,y)=h2

育种值 VS 表型值 VS 遗传力

a = h 2 ( y − μ ) a = h^2(y - \mu) a=h2(yμ)

结论:

由此可以知道, 在模拟数据时, TBV和phenotype的关系, 以及与遗传力的关系为:

c o r ( T B V , p h e n o t y p e ) = h 2 cor(TBV, phenotype) = \sqrt{h^2} cor(TBV,phenotype)=h2

T B V = b + a ∗ p h e n o t y p e TBV = b + a*phenotype TBV=b+aphenotype
a 为回归系数:
a = h 2 a = h^2 a=h2

### 使用GenStat进行遗传力分析 #### 方法概述 遗传力是指某一特定性状的表型变异中有多少比例是由加性基因效应引起的。在作物育种植物科学研究中,遗传力是一个重要的参数,用于评估某个性状的选择潜力。通过GenStat软件可以实现遗传力的估算。 #### 数据准备 为了完成遗传力分析,通常需要以下几类数据: - **品种(Genotypes)**: 不同的品系或个体。 - **环境(Environments)**: 实验的不同地点或年份。 - **重复(Replicates)**: 同一品种在同一环境中多次测量的结果。 - **目标变量(Trait Value)**: 如产量、株高等具体性状的表现。 这些数据应被整理成适合输入到GenStat的表格形式[^2]。 #### 分析步骤说明 虽然不建议使用步骤词汇,以下是逻辑上的流程描述: ##### 构建线性混合模型 在GenStat中,可以通过构建线性混合模型来估计遗传力。假设我们有一个多环境试验设计的数据集,则模型可表示为: \[ Y_{ijk} = \mu + G_i + E_j + (GE)_{ij} + R_{(j)}k + e_{ijk} \] 其中, - \( Y_{ijk} \): 表型观测; - \( \mu \): 总平均数; - \( G_i \): 品种固定效应; - \( E_j \): 环境随机效应; - \( GE_{ij} \): 品种×环境交互作用; - \( R_{(j)k} \): 环境内重复误差; - \( e_{ijk} \): 残差项。 此模型可通过GenStat中的`REML`模块拟合。 ##### 计算广义遗传力 广义遗传力定义为: \[ H^2_b = \frac{\sigma^2_G}{\sigma^2_P} \] 这里, - \( H^2_b \): 广义遗传力; - \( \sigma^2_G \): 品种间的方差分量; - \( \sigma^2_P \): 总表型方差。 总表型方差由下式给出: \[ \sigma^2_P = \sigma^2_G + \sigma^2_E + \sigma^2_R \] 其中\( \sigma^2_E \) \( \sigma^2_R \)分别是环境间重复内的方差分量。 ##### 输出解释 运行上述模型后,GenStat会提供各随机效应的方差分量估计。利用这些估计即可计算所需的遗传力指标。 #### 示例代码片段 下面展示如何在GenStat命令窗口中执行这一过程的一个简化版本: ```genstat VCOMPONENTS [FIXED=Variety; RANDOM=Environment*Variety/Plot]\ VARIATE=Yield; MODEL Yield; FITTEDVALUES FittedValues; RESIDUALS Residuals; PRINT VarianceComponents, EstimatedEffects; ``` #### 软件优势对比 相较于其他统计工具,如R语言中的某些包可能无法处理缺失数据的情况,GenStat因其强大的菜单驱动界面以及灵活的脚本功能,在实际农业生产数据分析中具有显著的优势[^1]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值