专栏首页育种数据分析之放飞自我如何检测遗传相关的显著性:LRT检验操作方法

如何检测遗传相关的显著性:LRT检验操作方法

1. 遗传相关定义

1.1 常见的误区

将表型值的相关,当作表型相关。

1.2 正确的做法

先计算方差组分,协方差组分,然后再计算遗传相关,表型相关。

2. 计算方法

  • 亲子回归计算方法
  • 半同胞计算方法
  • 全同胞计算方法 2.1 亲子回归计算方法

2.2 半同胞计算方法

2.3 全同胞计算方法

2.4 标准误计算方法

3. 软件实现遗传相关计算 3.1 数据格式 前三列是系谱,有3个性状: y1, y2, y3 , 想要计算y1和y3的遗传相关,并用LRT检验显著性

3.2 计算加性方差逆矩阵

3.3 构建模型 LRT检验中,需要构建两个模型,一个考虑加性协相关的模型(us矩阵),一个不考虑加性协相关的模型(diag矩阵),然后使用LRT检验做分析,查看显著性,即为相关的显著性分析。 模型1

结果:

遗传相关为0.46,标准误为0.318 模型2

结果:

4. 软件实现遗传相关显著性LRT检验 定义:

代码实现:

结果可见,遗传相关不显著。

5. 示例代码汇总

软件:asreml4-r 里面的vpredict函数可以替换pin函数,里面的lrt.asreml可以进行两模型的LRT检验。 代码:

# 作者:邓飞
# 公众号:育种数据分析之放飞自我
# 公众号ID: R-breeding
library(asreml)
data(harvey)
head(harvey)
# 计算A逆矩阵
ainv = ainverse(harvey[,1:3])
head(ainv)
# y1, y2: us模型
mod1 = asreml(cbind(y1,y3) ~ trait + trait:Line,
              random = ~ us(trait):vm(Calf,ainv),
              residual = ~ units:us(trait), data=harvey)
summary(mod1)$varcomp
# component std.error    z.ratio bound %ch
# trait:vm(Calf, ainv)!trait_y1:y1 108.83753 106.36882  1.0232089     P 0.0
# trait:vm(Calf, ainv)!trait_y3:y1 -51.24973 166.78089 -0.3072877     P 0.1
# trait:vm(Calf, ainv)!trait_y3:y3 499.56452 499.98124  0.9991665     P 0.1
# units:trait!R                      1.00000        NA         NA     F 0.0
# units:trait!trait_y1:y1           50.73988  86.63533  0.5856719     P 0.0
# units:trait!trait_y3:y1          -21.53974 136.19834 -0.1581498     P 0.3
# units:trait!trait_y3:y3          273.13029 409.65125  0.6667386     P 0.2
# 计算遗传相关
vpredict(mod1,h2 ~ V1/sqrt(V1*V3))
# y1, y2: diag模型
mod2 = asreml(cbind(y1,y3) ~ trait + trait:Line,
              random = ~ diag(trait):vm(Calf,ainv),
              residual = ~ units:us(trait), data=harvey)
summary(mod2)$varcomp
# component std.error    z.ratio bound %ch
# trait:vm(Calf, ainv)!trait_y1 104.56778 103.11961  1.0140436     P 0.1
# trait:vm(Calf, ainv)!trait_y3 479.48408 485.02568  0.9885746     P 0.1
# units:trait!R                   1.00000        NA         NA     F 0.0
# units:trait!trait_y1:y1        54.26320  84.40101  0.6429212     P 0.1
# units:trait!trait_y3:y1       -61.70884  39.74252 -1.5527158     P 0.1
# units:trait!trait_y3:y3       289.76086 399.43870  0.7254201     P 0.2
# 检测遗传相关的显著性
lrt.asreml(mod1,mod2)
# Likelihood ratio test(s) assuming nested random models.
# (See Self & Liang, 1987)
#
# df LR-statistic Pr(Chisq)
# mod1/mod2  1      0.10195    0.3748

6. 参考

http://blog.sciencenet.cn/blog-2577109-1097858.html http://blog.sciencenet.cn/blog-2577109-1112805.html http://blog.sciencenet.cn/blog-2577109-1104818.html http://www.empowerstats.com/cn/manuals/RCH/html/z_lrt.pdf 戴君惕, 杨德, 尹世强, et al. 相关遗传力及其在育种上的应用[J]. 遗传学报, 1983(5).

本文分享自微信公众号 - 育种数据分析之放飞自我(R-breeding),作者:邓飞2013

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-09-16

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 表型相关系数与标准误

    我回答:“R中默认的函数有cor计算相关系数,标准误的话估计要用重抽样去操作?,但是很少有人会计算标准误这个数值。”

    邓飞
  • asreml 设定初始值 固定初始值

    一个朋友问我,如何固定asreml的初始值,现在分为单性状和多性状进行说明。 为何要固定初始值: 1,由于群体较小,估算的方差组分不准确,需要手动设定初始值,直...

    邓飞
  • 线性混合模型系列二:模型假定

    1. 混合线性模型公式和假定 混合线性模型的公式和假定,一般认为随机因子和残差是符合正态分布的,随机因子可以相关(比如系谱关系,SNP构建G矩阵关系),用A矩...

    邓飞
  • PHP神奇又有用的Trait

    php和java,c++一样都是单继承模式。但是像python,是支持多继承(即Mixin模式)。那么如何在php中实现多继承模式?这就需要使用trait。

    写PHP的老王
  • PHP 面向对象 trait

    通过 trait 可以实现多继承。 trait A { public function fun1() { echo __FUNC...

    康怀帅
  • iOS开发设置view某几个角为圆角

    有时候为了设计的美观我们需要将一些控件的某几个角设置为圆角,很多朋友就会开始挠头不知道怎么去弄,我们知道设置四个角都为圆角很简单,创建一个view,设置其lay...

    Lee坚武
  • iOS开发设置view某几个角为圆角

    有时候为了设计的美观我们需要将一些控件的某几个角设置为圆角,很多朋友就会开始挠头不知道怎么去弄,我们知道设置四个角都为圆角很简单,创建一个view,设置其lay...

    Lee坚武
  • 客官,来嘛,谷歌小菜请你尝尝!

    作者:柳行刚 编辑:王抒伟 谷歌面试题 等你来挑战 详情往下看 各位,看招 1 题目描述: 一个大小为n的数组,里面的数都属于范围[0, n-1],有不确定的重...

    机器学习算法工程师
  • 企业级服务成为B2B典型,2016年的SaaS领域还会有哪些变化

    从被人遗忘到万众瞩目,TO B在过去一年的转身令人惊艳。如果说2014属于O2O,那么2015则是To B异军突起的一年,即便经历了2015年的资本寒冬,TO ...

    静一
  • 【PMP】8.26早上题

    1、项目经理和资源经理对一个项目的项目资源分配意见不一致,而资源经理负责监管团队成员的任务。这定义了哪种组织结构类型?B A.项目型 B.弱矩阵型 C.强...

    心跳包

扫码关注云+社区

领取腾讯云代金券