从一个性状批量分析示例结果谈谈时间因子效应

在之前的一个帖子里，示范了summary函数在性状批量分析中的应用。闲来无事，把帖子又翻了一下，发现一些有意思的点。

这个示例数据中Rep为区组，可视为环境因子之一，h3、h4、h5分别为第3、4、5年生树高，可看为时间因子之一。
作为固定效应的区组Rep，除了取值为5外，其它的效应值一直随着时间增加而变大，其中第3个区组效应值一直最大，可以认为该区组的环境比较优越。而第5个区组，随着时间增加，其对目标性状起负作用。

// fixed effect
> summary(res11b)$coef.fixed
$h3
  Term Level  Effect    SE
1  Rep     1   0.000 0.000
2  Rep     2 -11.732 5.641
3  Rep     3  46.779 5.534
4  Rep     4  23.807 5.521
5  Rep     5   4.895 5.510
6   mu     1 231.494 4.389

$h4
  Term Level  Effect    SE
1  Rep     1   0.000 0.000
2  Rep     2  -5.972 8.549
3  Rep     3  83.994 8.315
4  Rep     4  82.364 8.294
5  Rep     5  -0.468 8.280
6   mu     1 366.740 6.511

$h5
  Term Level  Effect     SE
1  Rep     1   0.000  0.000
2  Rep     2   2.022 10.421
3  Rep     3 109.833 10.138
4  Rep     4  93.284 10.114
5  Rep     5 -11.507 10.095
6   mu     1 547.771  8.038

至于遗传材料，半同胞家系可视为其母本，因此可以查看母本效应随时间的变化。在罗列的6个母本中，70048号母本效应值随时间增加而逐渐增高，而70010、70041号母本效应正好相反。从这个数据的变化来看，林业上，在苗期进行超级苗的筛选时，应当慎重。因为，一些苗子，在苗期时表现不佳，但其可后来居上；而有些苗子，苗期时是翘楚，而后劲不足，甚至衰退。

// female bv
> summary(res11b)$coef.random %>%
+   purrr::map(head)
$h3
  Term Level Effect    SE
1  Fam 70048  3.792 7.781
2  Fam 70017 -0.903 8.574
3  Fam 70002  2.552 8.399
4  Fam 70010  3.489 7.786
5  Fam 70041  2.947 8.760
6  Fam 70031  6.637 8.393

$h4
  Term Level Effect     SE
1  Fam 70048  8.999 11.096
2  Fam 70017  9.229 12.104
3  Fam 70002  1.856 11.885
4  Fam 70010  0.051 11.102
5  Fam 70041  0.146 12.335
6  Fam 70031  9.497 11.877

$h5
  Term Level Effect     SE
1  Fam 70048 14.502 14.233
2  Fam 70017  8.975 15.680
3  Fam 70002  7.072 15.360
4  Fam 70010 -4.218 14.241
5  Fam 70041 -5.097 16.018
6  Fam 70031  6.479 15.349

综上，有些环境因子作用在时间纵向上大概率是正向的，而有些环境因子作用是随意的，甚至负向。同理，育种材料或个体的效应，亦是如此。因此，科研工作应当循序渐进，不可拔苗助长、急于求成。