- e Silva FF, Viana JMS, Faria VR, de Resende MDV. Bayesian inference of mixed models in quantitative genetics of crop species. Theor. Appl. Genet. 2013;126:1749–61.
本研究的目的是實(shí)施一個(gè)貝葉斯框架抱究，用于作物品種育種中的混合模型分析恢氯，并利用信息先驗(yàn)啟發(fā)的替代品。用爆米花種群中前兩個(gè)半同胞選擇周期說(shuō)明了年際作物育種中遺傳評(píng)價(jià)的貝葉斯推理鼓寺。貝葉斯框架基于Just Another Gibbs Sampler軟件和R2jags軟件包勋拟。對(duì)于第一周期，使用方差分量的逆的非信息先驗(yàn)和基于薈萃分析的信息先驗(yàn)侄刽。對(duì)于第二周期指黎，使用非信息先驗(yàn)和信息先驗(yàn)，其被定義為來(lái)自第一周期的非信息性和信息性分析的后驗(yàn)州丹。關(guān)于第一周期醋安，從薈萃分析中使用信息性先驗(yàn)提供了相對(duì)于僅針對(duì)谷物產(chǎn)量的非信息先驗(yàn)的分析的明顯不同的結(jié)果。關(guān)于第二個(gè)循環(huán)墓毒，膨脹體積和籽粒產(chǎn)量的結(jié)果顯示三個(gè)分析之間的差異吓揪。非信息性和信息性先驗(yàn)分析之間的差異限于方差分量和遺傳性。這些分析的預(yù)測(cè)育種值之間的相關(guān)性幾乎是完美的所计。
介紹
最好的線性無(wú)偏預(yù)測(cè)（BLUP）（Henderson 1974）已經(jīng)廣泛用于動(dòng)物和林業(yè)育種計(jì)劃中的遺傳評(píng)估柠辞。估計(jì)方差分量的常用方法是限制最大似然（REML）（Patterson和Thompson 1971）。貝葉斯預(yù)測(cè)的遺傳變異和育種價(jià)值也已被大量采用（Sorensen 2009; Blasco 2001）主胧。事實(shí)上叭首，貝葉斯推理在遺傳學(xué)和育種中具有額外的相關(guān)應(yīng)用，例如使用全基因組密度標(biāo)記圖譜（Meuwissen等人踪栋，2001）焙格，數(shù)量性狀基因座定位（Bink等人，2008）的預(yù)測(cè)育種值夷都，群體結(jié)構(gòu)分析（Pritchard等人2000）眷唉，關(guān)聯(lián)作圖（Marttinen和Corander 2010）以及推斷基因表達(dá)和調(diào)節(jié)的水平（Beaumont和Rannala 2004）。只有最近才有年度作物育種者認(rèn)識(shí)到BLUP或貝葉斯分析的遺傳評(píng)估的優(yōu)勢(shì)，如基于不平衡數(shù)據(jù)的優(yōu)越方法的方差分量估計(jì)冬阳，使用譜系信息和歷史數(shù)據(jù)以提高預(yù)測(cè)準(zhǔn)確度蛤虐，以及可能性包括關(guān)于待估計(jì)參數(shù)的先前信息（Piepho等人2008; Bauer等人2009; Viana等人2012a）。 Bauer等人（2006）肝陪，F(xiàn)lachenecker et al驳庭。 （2006），Oakey et al见坑。 （2007）嚷掠，Viana et al。 （2010a荞驴，2011a）等人已經(jīng)證明了BLUP在復(fù)發(fā)的群體間和群體間育種程序中以及在純/自交系的發(fā)育中的功效」岢牵混合模型在年度作物育種中的貝葉斯推理研究很少熊楼。 Mathew et al。 （2012）觀察到能犯，方差分量的貝葉斯估計(jì)與模擬數(shù)據(jù)的REML估計(jì)相比更準(zhǔn)確鲫骗，并且與大麥田間數(shù)據(jù)的REML估計(jì)一樣準(zhǔn)確。此外踩晶，貝葉斯和BLUP預(yù)測(cè)的準(zhǔn)確性是相等的执泰。 Bauer等人（2009）分析了田間和彈簧條線的模擬數(shù)據(jù)，考慮了基因型對(duì)環(huán)境的相互作用效應(yīng)和系譜信息渡蜻。一般來(lái)說(shuō)术吝，當(dāng)性狀的遺傳率高時(shí)，貝葉斯推理和BLUP導(dǎo)致類似的育種價(jià)值預(yù)測(cè)茸苇。然而排苍，貝葉斯方法對(duì)于低遺傳性狀優(yōu)良（表現(xiàn)更好）。幸運(yùn)的是学密，所有用于動(dòng)物和林業(yè)育種的遺傳評(píng)估的貝葉斯分析適合于年度作物育種淘衙。 Waldmann和Ericsson（2006）擬合了一個(gè)多特征個(gè)體模型，用于部分撥號(hào)分析場(chǎng)地和來(lái)自蘇ots松后代的模擬數(shù)據(jù)腻暮。在兩個(gè)數(shù)據(jù)集中的REML和Gibbs取樣估計(jì)之間觀察到差異彤守。作者認(rèn)為REML估計(jì)是準(zhǔn)確的，吉布斯取樣的后驗(yàn)分布模式可能會(huì)高估哭靖，取決于遺傳性具垫。使用相同的數(shù)據(jù)集，Waldmann et al款青。 （2008）擬合了基于關(guān)系矩陣變換的加性優(yōu)勢(shì)模型做修。具有高優(yōu)勢(shì)，加性優(yōu)勢(shì)模型具有最佳擬合。在低優(yōu)勢(shì)的情況下饰及，需要一個(gè)信息先驗(yàn)蔗坯，以避免高估主導(dǎo)方差。 REML和吉布斯采樣估計(jì)同意良好燎含，貝葉斯和BLUP預(yù)測(cè)顯示類似的準(zhǔn)確性宾濒。與BLUP分析相比，貝葉斯方法具有一些優(yōu)點(diǎn)屏箍，例如在選擇樣本數(shù)據(jù)和未知參數(shù)的分布方面的靈活性以及結(jié)合關(guān)于模型的參數(shù)的先驗(yàn)知識(shí)的可能性（Sorensen 2009; Blasco 2001）绘梦。盡管后一個(gè)優(yōu)勢(shì)在文獻(xiàn)中被廣泛提及為貝葉斯推理的一個(gè)潛在的有吸引力的特征（Beaumont和Rannala 2004），但在動(dòng)物和植物育種的實(shí)踐中卻沒(méi)有得到重視赴魁，因?yàn)槿狈@樣的情況：這種現(xiàn)有知識(shí)可以自然地并入卸奉。在我們看來(lái)，背景信息的結(jié)合代表了貝葉斯分析在作物品種育種中的特殊特征颖御，因?yàn)檫x擇周期的概念表征了信息先驗(yàn)的自然機(jī)制榄棵。這是因?yàn)?strong>來(lái)自給定周期的感興趣參數(shù)的后驗(yàn)分布（例如方差分量）可以用作下一周期的分析中的先驗(yàn)分布，從而形成知識(shí)更新系統(tǒng)潘拱。在混合模型的貝葉斯推理的計(jì)算特征方面疹鳄，廣泛使用了使用馬爾可夫鏈蒙特卡羅（MCMC）算法的統(tǒng)計(jì)工具，例如吉布斯采樣器芦岂，在動(dòng)物育種中尤其如此瘪弓。在這些工具中，包括MTGSAM Van Tassell和Van Vleck 1996）和gibbsf90（Misztal等人禽最，2002）僅可用于具有一個(gè)育種值載體的加性模型腺怯，例如個(gè)體和半同胞家族模型。此外弛随，這些軟件在選擇數(shù)據(jù)和參數(shù)的分布方面沒(méi)有靈活性瓢喉，這阻止了使用非正態(tài)數(shù)據(jù)分布和信息先驗(yàn)分布。 R（RDevelopment核心團(tuán)隊(duì)2012）包MCMCglmm（Hadfield 2010）舀透，其理論背景由Hadfield和Nakagawa（Hadfield和Nakagaw 2010）詳細(xì)描述栓票，是一個(gè)更靈活的工具。該軟件包提供了多種數(shù)據(jù)分發(fā)選項(xiàng)愕够，包括單向離散分布和多元離散分布走贪，并允許更改不同類別的先前分布的超參數(shù)。此外惑芭，它允許通過(guò)使用譜系語(yǔ)句包含附加關(guān)系矩陣坠狡。然而，類似于MTGSAM和gibbsf90遂跟，MCMCglmm不能解決包括顯性或多于一個(gè)遺傳隨機(jī)效應(yīng)作為配子模型的模型逃沿。這個(gè)問(wèn)題的一個(gè)有吸引力的解決方案是使用軟件WinBUGS（Lunn等人2009）貝葉斯編程環(huán)境婴渡。它相對(duì)于前面提到的模型和分布是高度靈活的，只需要數(shù)據(jù)列表凯亮，似然函數(shù)和先驗(yàn)分布的規(guī)范边臼。 Damgaard（2007），Waldmann（2009）和Hallander et al假消。 （2010）在本軟件中對(duì)動(dòng)物和林業(yè)育種數(shù)據(jù)實(shí)施了混合模型分析柠并。 Hallander等人提出的方法（2010）是一種非常靈活的貝葉斯分析，允許推斷具有大量遺傳參數(shù)的線性混合模型富拗。此外臼予，他們的方法減少了大型家系的計(jì)算需求。雖然WinBUGS的靈活性是無(wú)可爭(zhēng)議的啃沪，但它不允許直接處理事件和關(guān)系矩陣粘拾。這些限制使得必須使用基于代數(shù)符號(hào)的間接方法，使得代碼復(fù)雜并且對(duì)許多用戶不利创千。一個(gè)有趣的替代方案是Just Another Gibbs Sampler（JAGS）軟件（Plummer 2012）半哟，它具有與WinBUGS相同的靈活性和設(shè)施，但具有允許矩陣語(yǔ)言編程的優(yōu)點(diǎn)签餐。本研究的目的是實(shí)施一個(gè)貝葉斯框架，用于在作物品種育種中進(jìn)行混合模型分析盯串，并利用替代品進(jìn)行信息先驗(yàn)引出氯檐。
