Best Linear Unbiased Prediction of Maize Single-Cross Performance

数据分析

对每个杂种优势模式分别进行数据分析，以便很好地确定估计遗传方差和确定杂种之间协方差所必需的概念基础群体(Stuber和Cockerham，1966)。
假设单交由1组的1个自交系和2组的2个自交系组成。在不同的产量试验中，对单交种和nc检验杂种进行了评价，得出p个总数据点。在单交叉预测的混合模型方程中，假设可忽略上位性的线性模型是：
$$y=X\beta +Z_{0}c+Z_1{g}_1+Z_2{g}_2+Zd+e$$
其中$y$是给定性状的观测值向量，$\beta$是产量试验效应，$c$是对照杂交种效应，$g_1$是组合1自交系的一般配合力（GCA）效应，$g_2$组合2自交系的一般配合力效应，$d$是特殊配合力效应,$e$是残差；$X，Z_0，Z_1，Z_2和Z$分别是与y相关的1和0的关联矩阵。多地点产量试验效应被认为是固定的，而模型中的所有其他效应被认为是随机的。因为数据集包括单个杂交的平均表现和不同地点的杂交检验，虽然个别地点的影响被认为是随机的，但它们不在模型中。产量试验效应被认为是固定的，因此在方差分量估计和单交叉预测之前，每个数据点都可以调整其产量试验效应的细节。
假设$A$和$A^{\prime }$是组1中的两个近交系，$B$和$B^{\prime }$是组合2中的两个近交系。在$A\times B$和$A^{\prime }\times B^{\prime }$的协变量矩阵是：
$$Cov[(A\times B),(A^{\prime }\times B^{\prime })]=f_{A{A}^{\prime }}{V}_{GC{A}_{(}1)}+f_{B{B}^{\prime }}{V}_{GC{A}_{(}2)}+f_{A{A}^{\prime }}{f}_{B{B}^{\prime }}{V}_{SCA}(1)$$

其中$V_{GC{A}_{(}1)}$是组合1的等位基因的一般配合力方差和，$V_{GC{A}_{(}2)}$是组合2的等位基因的一般配合力方差和，$V_{SCA}$是组合1和组合2的等位基因的特殊配合力方差和；$f_{A{A}^{\prime }}$是近交系$A$和$A^{\prime }$之间的同源系数，$f_{B{B}^{\prime }}$是近交系$B$和$B^{\prime }$之间的同源系数.随机效应$c,g_1,g_2,d,e$的均值为0，遵循以下协方差：
$$V_{ar}\left[\begin{array}{c}c\\ g_1\\ g_2\\ d\\ e\end{array}\right]=\left[\begin{array}{ccccc}I{V}_c& 0& 0& 0& 0\\ 0& G_1{V}_{GCA(1)}& 0& 0& 0\\ 0& 0& G_2{V}_{GCA(2)}& 0& 0\\ 0& 0& 0& D{V}_{SCA}& 0\\ 0& 0& 0& 0& R{V}_R\end{array}\right]$$
其中$V_c$是对照杂交种之间的方差，$V_R$是残差。

矩阵元素分别等于$G_1$中的$f_{A{A}^{\prime }}$、$G_2$中的$f_{B{B}^{\prime }}$和D中的$f_{A{A}^{\prime }}{f}_{B{B}^{\prime }}$。假定对照杂种不相关，$c$的协方差为$I{V}_C$，其中$i$为单位矩阵。如果一些对照杂交种的关系数据可用，则可以使用适当的遗传关系矩阵代替I进行检验。在R中，假定非对角线元素为零，并且第i个对角元素是y中第i个数据点的数目或f个观测(位置)的倒数。例如，如果y中的第一个元素是在四个位置的试验中单个杂交的平均表现，则R中的第一个对角元素是1/4。
$\beta 、c、g_1、g_2和d$的解是通过求解以下MME得到的:
$$\left[\begin{array}{c}\beta \\ c\\ g_1\\ g_2\\ d\end{array}\right]=\left[\begin{array}{ccccc}{x}^{\prime }{R}^{1}X& x^{\prime }{R}^1{Z}_0& x^{\prime }{R}^1{Z}_1& x^{\prime }{R}^1{Z}_2& x^{\prime }{R}^{1}Z\\ Z_4^{\prime }{R}^{-1}X& x^{-1}{R}^{1}X& x^{-1}{R}^{1}X& x^{-1}{R}^{1}X& \end{array}\right]$$