Prezentace se nahrává, počkejte prosím

Prezentace se nahrává, počkejte prosím

Odhad genetických parametrů. Cíle: mechanismus genetické kontroly znaku odhad plemenných hodnot optimalizace plemenářských programů.

Podobné prezentace


Prezentace na téma: "Odhad genetických parametrů. Cíle: mechanismus genetické kontroly znaku odhad plemenných hodnot optimalizace plemenářských programů."— Transkript prezentace:

1 Odhad genetických parametrů

2 Cíle: mechanismus genetické kontroly znaku odhad plemenných hodnot optimalizace plemenářských programů

3 primární genetické parametry – biometrická analýza a)genetický rozptyl b)prostřeďový rozptyl c)kovariance sekundární genetické parametry – konstrukce z primárních a)dědivost b)opakovatelnost c)korelace koeficienty h 2, w var(g) var(e) cov(a,e) r G, r E, r P

4 Genetická podobnost = aditivní genetická vazba (A) mezi jedinci X, Y = podíl genů, které mají jedinci X, Y společné rodiče – potomci: a = 0,5 polosourozenci : a = 0,25

5 Podobnost příbuzných jedinců proč příbuzní vypadají (produkují) podobně? jak vysokou podobnost očekáváme?

6 proč jsou podobní měříme stejnou vlastnost u 2 příbuzných jedinců: P x = A x + E x P y = A y + E y korelace mezi příbuznými je výsledkem působení podobného genotypu nebo podobného prostředí

7 jak vysoká je podobnost? měříme stejnou vlastnost u 2 příbuzných jedinců: P x = A x + E x P y = A y + E y korelace plemenných hodnot pro stejný znak u 2 jedinců = genetická vazba * genetická variance r XY V A r PHx, PHy

8 Odhad podle skupin příbuzných jedinců žádnástředníúplná žádnástřednívysoká střednížádná variance mezi uvnitř skupin typ podobnosti býk potomci

9 žádnástředníúplná žádnástřednívysoká střednížádná nízká dědivost mezi uvnitř střední dědivost vysoká dědivost podobnost

10 pro vlastní odhad: potřebujeme mít představu o mezi a uvnitř skupinové proměnlivosti var(celková) = var(mezi) + var(uvnitř) = cov(uvnitř) z toho plyne: vysoká proměnlivost mezi rodinami (rodiny jsou odlišné) odpovídá vysoké kovarianci uvnitř rodin (příslušníci rodiny jsou si podobní)

11 odhad na základě skupin polosourozenců variance mezi polosourozenci = variance mezi otci = cov(uvnitř) polosourozenců sdílejí ¼ genů = ¼ V A variance uvnitř polosourozenců = zbytek celkové variance V P - ¼ V A = ¾ V A + V D + V E h2 = V A / V P = 4* variance mezi otci / V P

12 Design více potomků = vyšší přesnost odhadu proměnlivosti uvnitř rodin více otců = vyšší přesnost odhadu proměnlivosti mezi rodinami

13 0 skutečný rozptyl mezi průměry rodin se MŮŽE LIŠIT od odhadovaného rozptylu MS; záleží na počtu pozorování Poznámka: více pozorování = přesnější odhad

14 odhad na základě skupin sourozenců podobný princip, ale komplikovanější odhad než v předchozím případě praví sourozenci sdílejí navíc společný vliv mateřského prostředí V M ; vliv genetické dominance V D

15 variance mezi skupinami = otcovská variance kovariance mezi pravými sourozenci + M + D ½ V A + V EC + ¼ V D variance uvnitř skupin sourozenců zbytek variance Vp – (½ V A + V EC + ¼ V D ) = (½ V A + V E + ¾ V D ) efekty je těžké oddělit = nadhodnocení heritability

16 Metody odhadu ANOVA – balancovaná data; ANOVA – nebalancovaná data; - Hendersonova metoda věrohodnostní metody - maximální věrohodnost - restringovaná maximální věrohodnost (REML)

17 SSdfMSEMS průměr4001 mezi919σ e 2 + nσ a 2 uvnitř120,5σe2σe2 celkem4104 Tabulka analýzy variance: model: y ij = μ + a i + e ij ANOVA ve vybalancovaných datech:

18 ANOVA v nevybalancovaných datech: vážený počet pozorování pro n 0 σ a 2 maticový zápis pro výpočet SS a EMS; standardní součást některých statistických balíků; Hendersonova III. metoda;

19 Věrohodnostní metody (likelihood) každé pozorování má pravděpodobnostní hustotu charakterizovanou: distribuční funkcí; očekávanou hodnotou (průměrem); rozptylem;

20 normální rozdělení: pravděpodobnost pozorování y daná hodnotou parametrů μ, σ 2 odhad = otočení vztahu: hledáme takové hodnoty parametrů μ, σ 2, které po dosazení do rovnice (funkce) s maximální věrohodností vyústí ve sledované hodnoty y

21 spojité funkce: hodnoty y jsou ve vazbě vektor očekávaných hodnot E(y) = Xb a var(y) = V tvar věrohodnostní funkce: hledáme věrohodnostní parametry b, V pro dané údaje X, y očekávání součet čtverců SS

22 Restringovaná maximální věrohodnost: korekce dat o pevné efekty; nalezení maximální věrohodnosti; iterativní procedura; je nutné vložit „startovní“ hodnoty hledaných parametrů;

23 Příklad REML algoritmu: 1. řešíme rovnice smíšeného modelu MME s využitím apriorních hodnot složek rozptylu: 2. vyjádříme složky rozptylu z MME: 3. použijeme nové λ = σ e 2 / σ a 2 a iterujeme bod 1, 2

24 výhody REML je přesnější; počítá s plnými rovnicemi smíšeného modelu, může zohlednit i informace z A; jako BLUP je možné zohlednit selekci; je možné aplikovat na složitější modelové rovnice, tj. maternální efekty, multitrait apod. flexibilita; přesnost (SE), nevychýlenost


Stáhnout ppt "Odhad genetických parametrů. Cíle: mechanismus genetické kontroly znaku odhad plemenných hodnot optimalizace plemenářských programů."

Podobné prezentace


Reklamy Google