Gonçalves 2007 混合空間模型

weixin_34075551發表於2016-12-18
  1. Gonçalves E, St. Aubyn A, Martins A. Mixed spatial models for data analysis of yield on large grapevine selection field trials. Theor. Appl. Genet. 2007;115:653–63.

在大田試驗中,由於土壤肥力和其他環境因素的變化,可能需要調整空間相關性。田間試驗中的空間相關性可以掩蓋克隆的基因型值的差異,從而降低鑑定優良基因型的可能性。本文介紹了一種通過使用混合空間模型提高葡萄藤選擇試驗的統計資料分析精度的策略。混合空間模型的效率與經典隨機化完全塊模型(具有獨立和相同分佈的誤差)的效率進行比較。比較基於來自Arinto,Aragonez(Tempranillo)和Viosinho葡萄品種的三個大實驗群體的產量資料。應用於產量資料的空間混合模型的擬合顯著優於經典方法,導致對選擇決定和提高遺傳增益預測的準確性的積極影響


介紹

目前使用的大多數葡萄品種起源於數百或數千年前,可能是遺傳上同源的克隆。隨著突變的積累,這些古老的品種變得異質。它們現在由具有不同農學和質量性狀的遺傳上不同的克隆(基因型)的混合物組成(Rives 1961)。
古代品種中變異性的定量是非常有用的,不僅因為它提供了選擇的原材料,而且因為它允許瞭解品種的古代以及為遺傳資源的儲存提供良好的策略。因此,在過去25年中,在葡萄牙開發了葡萄藤選擇的創新方法(Martins等人,1987,1990),涉及對來自品種內的基因型的遺傳變異性和質量選擇的定量。對古代品種中遺傳變異性的有效研究需要對代表該變異性的母本植物進行取樣,並將其移植到大田試驗中,提供克隆的實驗群體,優選具有均質環境條件。然而,在葡萄牙,葡萄園顯著小,幾何不規則,土壤異質性高。為了克服這些困難並有效地量化遺傳變異性並選擇優異的克隆,我們應該使用適當的實驗設計,如alpha設計和可分辨的行列設計(在實驗過程的開始),以及適當的資料統計模型分析,如混合空間模型(在結束時)植物育種研究人員已經面對這些實際現場實驗問題多年,並且已經做出巨大努力來開發理論工具來克服它們,包括用於資料分析的實驗設計和模型。自從Fisher(1935)引入隨機完全區段(RCB)設計以來,已經開發了許多替代實驗設計,特別是在植物育種初始試驗領域。其中包括不完全塊設計的類別(Yates 1936; Patterson和Williams 1976; Patterson等人1978),行列設計(Nguyen和Williams 1993)和增強設計augmented(Federer 1961,2002; Federer和Raghavarao 1975)。在統計模型領域,基於鄰居分析或空間分析的原理,在文獻中出現了新的解決方案。這些是利用假設相鄰個體將共享類似環境的模型,即考慮鄰居觀測之間的空間相關性的模型(Papadakis 1937,1984; Bartlett 1978; Wil- kinson等人1983; Besag和Kempton 1986; Cullis和Gleeson 1991; Zimmerman和Harville 1991; Grondona和Cressie 1991)空間分析現在廣泛用於一年生作物的育種計劃(Stroup等人1994; Grondona等人1996; Cullis等人1998; Smith等人2001,2005)和森林物種(Kusnandar和Galwey 2000; Costa e Silva等人2001; Dutkowski等人2002; Joyce等人2002),但是沒有關於其在葡萄選擇中的用途的公開報導。目前的工作目的是通過以下步驟來證明混合空間模型的效用:(1)在大田野種群的葡萄樹克隆中,在產量的空間相關性的表徵,(2)使用混合空間模型的產量資料分析葡萄克隆的實驗群體,最後,(3)選擇在模型中包含和不包含空間自相關的克隆。

相關文章