r语言 林元震_科学网—R语言中计算blue和blup值的包：lme4、nlme、MCMCglmm、asreml - 邓飞的博文...

最新推荐文章于 2024-07-09 17:58:58 发布
最新推荐文章于 2024-07-09 17:58:58 发布
阅读量2.4k 收藏 12
点赞数
文章标签： r语言 林元震
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_39981093/article/details/111786067
版权
这篇博客通过R语言演示了如何使用lme4, nlme, MCMCglmm和asreml包计算蓝色最佳线性无偏预测值(BLUE)和最佳线性无偏预测值(BLUP)，涉及固定效应和随机效应。示例中包含代码和不同包的输出解析。" 133866263,20039250,OpenStack中Swift对象存储实现键值服务,"['OpenStack', 'Swift', '键值存储服务', '对象存储']
摘要由CSDN通过智能技术生成

利用同一数据，演示不同软件包：lme4、nlme、MCMCglmm和asreml估计BLUE值和BLUP值的代码。

固定效应：Block

随机效应：Family

代码：

###############lme4中运行blue和blup的方法###############

load("tree.rda")

library(lme4)

df-lme

print(df_lme)

anova(df_lme)  ####求方差

ranef(df_lme)  ####求随机效应的BLUP值

fixef(df_lme)  ####求固定效应的BLUE值

####################nlme包中运行的blue和blup值#######################

library(nlme)

df_nlme

print(df_nlme)

anova(df_nlme)

random.effects(df_nlme)

fixed.effects(df_nlme)

###############以上是mcmc包的结果，结果好像不符合blup和blue值###################

library(MCMCglmm)

df_mcmc

summary(df_mcmc)

posterior.mode(df_mcmc$VCV)

posterior.mode(df_mcmc$Sol)

#######################以上是asreml软件包计算的结果###########

library(asreml)

df_a

最低0.47元/天 解锁文章
weixin_39981093
关注
r语言 林元震_科学网—ASReml-R之简介 - 林元震的博文
weixin_39746282的博客
12-21 853
目前用于遗传分析的主要统计软件有SAS和SPSS等，并已经开发出了包括WOMBAT、MCMCglmm(R语言的程序包)等在内一系列遗传方差组份估计软件。ASReml是一个非常强大的统计软件，由NSW Agriculture的Arthur Gilmour开发的。该软件专门用于海量数据的混合模型分析，并可估算许多重要的遗传参数，运算速度比SAS、S-Plus及其它统计软件要快，因此被认为是遗传评估的最...
r语言 林元震_方差分析--T检验和F检验的异同
weixin_39828956的博客
12-21 1329
方差分析--T检验和F检验的异同最近在图书馆借了本《R和ASReml-R统计分析教程》，林元震和陈晓阳主编的关于R的书籍，当时看上这本书的原因在于里面以统计学知识为主，作为R语言实战的良好补充，虽然R语言实战是一本相当详实的介绍R语言的书，但是其中的统计学原理往往一笔带过(虽然本书也不是很详尽)，但是作为一个数据分析从业人员，我感觉对于很多统计理论，达到可以讲明白原理和逻辑就可以，具体的计算过程和...
postMCMCglmm:用于MCMCglmm进行后期评估的R软件包。 MCMCglmm概率模型的预测概率
05-25
后MCMCglmm 用于MCMCglmm进行后期评估的R软件包。 MCMCglmm概率模型的预测概率 PDF手册位于/ inst / doc /下。 安装 #install.packages("devtools") require(devtools) install_github("JWiley/postMCMCglmm") 引文 约书亚·威利（Joshua F.Wiley）（2013）。 postMCMCglmm：贝叶斯有序概率模型的平均边际预测概率。 R软件包版本0.1-2。 doi：10.5281 / zenodo.11461。 例子 要查看带有MCMCglmm的模型的一些演示以及如何使用postMCMCglmm软件包，请运行： # load the package require(postMCMCglmm) # see available demos demo(packag
BLUE和BLUP的比较及使用R语言计算它们
weixin_43210681的博客
07-09 1261
听我说一句：这是我的学习笔记，仅供参考听我说一句：这是我的学习笔记，仅供参考现在的分析喜欢计算表型值目前就只有三个答案计算表型值：1 平均值2 BLUE值 (最佳线性无偏估计, 固定因子)3 BLUP值 (最佳线性无偏预测, 随机因子)
BLUP
howardact的博客
12-07 1612
y=Xβ+Zu+ey=X \beta+Zu+e E(y)=Xβ,E(u)=0,E(e)=0E(y)=X \beta,E(u)=\mathbf{0},E(e)=\mathbf{0} Var(u)=G,Var(e)=R,Cov(u,e′)=0Var(u)=G,Var(e)=R,Cov(u,e^{'})=0 混合模型，当u和e服从正态分布，即混合模型，当u和e服从正态分布，即 u∼N(0,G),e
最全的BLUP分析
zjguilai的博客
05-27 1万+
动物育种（Animal Breeding）是指从遗传上逐代改良动物群体的重要性状从而提高畜牧生产的经济效益。由于动物育种强调从遗传结构上的改进和提升，故动物育种又称为动物遗传改良。现代育种的科学理论可以追溯到1900年孟德尔遗传定律的被重新发现，因为从那时起，育种工作（主要是针对家养动物）才得以按找科学的遗传规律来开展进行。 家养动物的系统性育种工作在二次大战后得到了巨大的飞跃，美国统计学家C.R...
R语言MCMC的lme4二元对数Logistic逻辑回归混合效应模型分析吸烟、喝酒和赌博影响数据
大数据部落
10-08 1328
吸烟、喝酒和赌博被认为是由许多因素造成的。Logistic回归分析是一个非常有效的模型，可以检验各种解释变量和二元反应变量之间的关系。同时，双变量模型分析也被用于检验单变量模型之间的相关性。本项目的目的是利用统计方法来检验某个因素是否对吸烟、喝酒或赌博偏好有显著影响。然后用这个结果来预测这些习惯之间的组合。
《动植物育种遗传数据分析》之AFEchidna篇--第4章
yzhlinscau的博客
04-17 340
引子： 本人于2019年主译出版的《动植物育种遗传数据分析》，原书主要使用ASReml进行分析。本博客将陆续演示使用AFEchidna包达到类似ASReml的结果。 第4章的代码如下： library(AFEchidna) ### chapter 4 Breeding Values m1<-echidna(height~1+Prov, random=~Female*Block, es0.file="pine_provenance.es0") Var(m1)
《半导体技术》稿约及投稿格式 (4).pdf
08-29
《半导体技术》稿约及投稿格式的文档主要涵盖了半导体领域中的光谱响应在线测试技术及其在光电阴极研究中的应用。该文档通过牛军等人关于光谱响应在线测试仪研制和应用的研究，揭示了该技术在半导体特别是光电阴极...
多年多点数据如何计算遗传力以及BLUP值
热门推荐
邓飞----育种数据分析之放飞自我
05-14 1万+
1. 背景 之前写过一篇博客, 介绍领导安利我哔哩哔哩的故事, 介绍到我将我从YouTube上收集的关于混合线性模型, 关于GWAS, 关于GS, 关于农业数据分析相关的视频, 上传到了哔哩哔哩上面. 今天我们看一下介绍多年多点遗传力及BLUP值计算的视频内容. 阅读原文可以查看视频, 这里我用文字和代码进行重演. 2. 本次微信文的目标 获得一个多年多点的数据 计算品种性状的遗传力 计算每个品...
mcmcglmm:MCMCglmm 封装的包装修改
07-14
微信公众号 请注意：这个包只是实验性的。 它只适用于“高斯”家族。 它从未经过广泛测试。 我不再积极维护此代码。 我什至不再写 R 代码了。 mcmcglmm的目标是通过数据准备和新数据预测促进交叉验证，通过实现默认先验，并提供一些工具来评估参数和模型拟合，从而为 MCMCglmm 包提供一些附加功能。 您可以在跟踪并为mcmcglmm开发做出贡献。 包（小）mcmcglmm 数据准备： SplitData获取一个数据框并将其拆分为一个大子集，用于模型训练，和一个小子集，用于交叉验证。 该函数检查小子集以确保它不包含未包含在大子集中的变量选项，从而确保可以进行交叉验证检查（因为基于未包含在大子集中的变量进行预测不是很容易）原始模型）。 贝叶斯建模： mcmcglmm是 Jerrod Hadfield ( ) 开发的MCMCglmm包中 MCMCglmm() 函数的包装器。 包装
DAIRRy-BLUP:一种用于基因组预测的高性能计算方法
07-13
DAIRRy-BLUP 用于基因组预测的分布式 AI-REML 岭回归最佳线性无偏预测框架。 该软件由 Arne De Coninck 开发，只能用于研究目的。 由于基因分型成本的降低以及对改善动植物农艺性能的兴趣日益增加，用于基因组预测的基因组数据集不断增长。 为了能够处理这些大规模数据集，基于消息传递接口和 ScaLAPACK 库开发了分布式内存框架。 算法的复杂性由基因组预测设置中包含的 SNP 数量定义； 个体数量只对读入时间有线性影响。 为了提高性能，建议在 MPI 优化的机器上编译和执行 DAIRRy-BLUP。 ＃安装 依赖关系 DAIRRy-BLUP 严重依赖以下软件包，这些软件包必须在安装 DAIRRy-BLUP 之前安装。 除了供应商优化的实现之外，这些软件包都是开源的。 MPI（ 、 、 ） 及其所有依赖项 BLAS、BLACS、LAPACK、PBL
BLUE和BLUP
swuteresa的专栏
05-07 4834
BLUE：将基因型当作fixed effects。估计出表型值的BLUE，用以修正田间实验误差（要考虑不同的实验设计），得到的结果（表型值的BLUE）作为其他后续方法training时的表型值使用。 BLUP：将基因型当作random effects。估计出方差组分（可由此计算出遗传率，用于计算Bayesian方法中的先验参数等），得到表型值的BLUP作为其他后续方法用于评估预测准确度时的TBV
GWAS之表型最优无偏预测（BLUP)与遗传力计算
hgz2020的博客
03-09 2485
blup值
GWAS计算BLUE值2--LMM计算BLUE值
邓飞----育种数据分析之放飞自我
12-12 2004
本节，介绍如何使用R语言的lme4包拟合混合线性模型，计算最佳线性无偏估计（blue） 1. 试验数据 数据来源： Isik F , Holland J , Maltecca C . Genetic Data Analysis for Plant and Animal Breeding. Springer International Publishing, 2017. 数据及代码下载，请关注公众号：育种数据分析之放飞自我，进入知识星球进行相关下载和学习 该数据有62个重组自交系（RIL），在4个地点
GWAS计算BLUE值3--LMM考虑残差异质计算BLUE值
邓飞----育种数据分析之放飞自我
12-13 685
本节，介绍如何使用R语言的asreml包拟合混合线性模型，定义残差异质，计算最佳线性无偏估计（blue） 1. 试验数据 数据来源： Isik F , Holland J , Maltecca C . Genetic Data Analysis for Plant and Animal Breeding. Springer International Publishing, 2017. 数据及代码下载，请关注公众号：育种数据分析之放飞自我，进入知识星球进行相关下载和学习 该数据有62个重组自交系（R
如何计算多年多点的BLUE值
邓飞----育种数据分析之放飞自我
03-23 5233
1. 为何要计算BLUE值？ 一年多点或者多年多点的植物数据中，一个基因型（品种）往往有多个表型数据，但只有一个基因型，在GWAS关联分析中，就需要一个基因型对应一个表型数据。 之所以有多个表型数据，或者是多个重复，或者是多个地点的数据，或者是多个年份的数据，如何计算得到一个表型数据呢？ 可以使用多个表型值的平均值，作为品种的表型值，现在有更好的方法：BLUE值。 2. 为何使用BLUE值？ 一般...
R语言混合线性模型包代码演示
邓飞----育种数据分析之放飞自我
10-25 1万+
之前翻译了一篇博文R中的线性混合模型介绍（翻译博客）, 但是里面的示例代码显示不友好, 今天重新整理. 数据来源: MASS软件包的oats数据 oats数据, 这是一个燕麦的裂区试验数据, 主区是品种, 裂区是施肥N, 重复是B区组, 观测值是产量Y The yield of oats from a split-plot field trial using three varieties an...
Java 代码实现了一个简单的文本编辑器-可运行
10-17
Java 代码实现了一个简单的文本编辑器
MATLAB实现基于Attention-LSTM的多特征分类预测（含完整的程序和代码详解）
最新发布
10-17
内容概要：本文详细介绍了如何使用MATLAB实现基于Attention机制的LSTM模型进行多特征分类预测。主要内容包括程序设计思路、代码实现、模型构建与训练、模型评估及可视化、以及简单的GUI界面设计。模型可以在多个领域应用，如金融数据分析、医疗诊断等。 适合人群：对深度学习和分类预测感兴趣的科研人员和开发人员，具备一定的MATLAB和深度学习基础。 使用场景及目标：适用于需要处理时间序列数据并进行分类预测的项目。目标是通过Attention-LSTM模型提高分类准确率，同时提供直观的可视化结果和友好的用户界面。 其他说明：文中提供了详细的代码实现和注释，读者可以通过实践加深对模型的理解。此外，还讨论了模型优化和未来的研究方向。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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