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。