生統(tǒng)實驗報告3

1、本科實驗報告課程名稱：生物統(tǒng)計學(xué)與試驗設(shè)計姓 名：陳姝瑤學(xué) 院：農(nóng)業(yè)與生物技術(shù)學(xué)院系：應(yīng)用生物科學(xué)系專 業(yè)：應(yīng)用生物科學(xué)學(xué) 號：3130100533指導(dǎo)教師：徐海明2015年 11 月 30 日浙江大學(xué)實驗報告課程名稱： 生物統(tǒng)計與試驗設(shè)計 實驗類型： 實驗項目名稱： 協(xié)方差分析和混合線性模型分析 學(xué)生姓名： 陳姝瑤 專業(yè)： 應(yīng)用生物科學(xué) 學(xué)號： 3130100533 同組學(xué)生姓名： 指導(dǎo)老師： 徐海明 實驗地點： 實驗日期： 2015年 11月30日 1、 實驗?zāi)康暮鸵?.掌握協(xié)方差分析和混合線性模型分析的方法。2.了解協(xié)方差分析與二因素析因分析的差異。3.比較SAS軟件和QTModel軟

2、件的分析效益。4.QTLNetwork軟件分析控制仿真群體表現(xiàn)型值的QTL定位數(shù)據(jù)。5.比較回歸分析、相關(guān)分析、方差分析、MCIM的定位分析的優(yōu)缺點。2、 實驗內(nèi)容和原理1. QTModel is user-friendly computer software which packaged with modules for microarray data analysis, diallele design analysis and mixed model analysis.2. Analysis of covariances a technique that combines features

3、 of analysis of variance and regression.3. The mixed linear model: include the fixed effects and some groups of random variables. Correlations between or within factors are allowed. Can unbiasedly estimate parameters and their variances ,and predict values of random effects. Effectively analyze all

4、kinds of complex genetic model or unbalanced data.3、 主要儀器設(shè)備SAS軟件 QTModel軟件 QTLNetwork軟件4、 操作方法與實驗步驟1. 二因素協(xié)方差分析以2個品種2個水分水平的鮮花產(chǎn)量為依變量，重復(fù)6次： （1）以小區(qū)面積為x變量，進(jìn)行二因素協(xié)方差分析，分析品種、水分對鮮花產(chǎn)量的影響，對顯著的效應(yīng)進(jìn)行適當(dāng)?shù)谋容^； （2）比較協(xié)方差分析與二因素析因分析結(jié)果之間的差異。SAS:data exp3; input v$w$y s ; datalines; LP Low 98 15 LP High 71 10 LP Low 60 4 L

5、P High 80 12 LP Low 77 7 LP High 86 14 LP Low 80 9 LP High 82 13 LP Low 95 14 LP High 46 2 LP Low 64 5 LP High 55 3 WB Low 55 4 WB High 76 11 WB Low 60 5 WB High 68 10 WB Low 75 8 WB High 43 2 WB Low 65 7 WB High 47 3 WB Low 87 13 WB High 62 7 WB Low 78 11 WB High 70 9 ; 1)proc glm; class v w; model

6、 y=v w v*w; run; 2)proc glm; class v w; model y= s v w v*w; run; 2. 水稻品種區(qū)域試驗分析水稻五個品種在二年和三試點三個區(qū)組的品種區(qū)域試驗數(shù)據(jù)（刪除了二個異常值）儲存在數(shù)據(jù)文件(RiceTrial-2.txt)中。（1）采用SAS軟件的Proc GLM, Proc Mixed和Proc VarCom分析該數(shù)據(jù)，并對品種的表現(xiàn)作適宜的推斷;（2）采用QTModel軟件分析該數(shù)據(jù)，對品種的表現(xiàn)作適宜的推斷;（3）比較SAS軟件和QTModel軟件的分析效益。l SAS program：data exp3;Input Gen Year

7、 Loc Block Yield;Datalines;. .；proc glm; class Gen Year Loc Block; model Yield=Gen|Year|Loc Block(Year*Loc); random Year Loc Year*Loc Gen*Year Gen*Loc Gen*Year*Loc Block(Year*Loc)/test; means Gen/Tukey; run; proc mixed; class Gen Year Loc Block; model Yield=Gen; random Year Loc Year*Loc Gen*Year Gen

8、*Loc Gen*Year*Loc Block(Year*Loc)/SOLUTION; LsMeans Gen/adjust=Tukey; run; proc varcomp method=REML; class Gen Year Loc Block; model Yield=Gen|Year|Loc Block(Year*Loc)/fixed=1; run; l QTModel 3、QTL定位分析采用QTLNetwork軟件分析控制仿真群體表現(xiàn)型值的QTL定位數(shù)據(jù)（DHSim.map和DHSim.txt）.(1)估算QTL的位置和遺傳效應(yīng)，對群體的QTL位置和遺傳效應(yīng)作統(tǒng)計推斷; (2)把Q

9、TL定位結(jié)果和實驗一的分析結(jié)果都與仿真的參數(shù)真值作比較，比較所采用的四種分析方法（回歸分析、相關(guān)分析、方差分析、MCIM的定位分析）用于推斷群體基因定位的可靠性及統(tǒng)計方法的優(yōu)缺點。 l 回歸分析Data exp1;Input env geno trait m1-m33;Datalines;數(shù)據(jù)；Proc reg;Model trait=env m1-m33/selection=stepwise;Run;l 相關(guān)分析Data exp2;Input env geno trait m1-m33;Datalines;數(shù)據(jù)；Proc corr;Var trait;With m1-m33;Run;l 方差

10、分析 Data exp3;Input env geno trait m1-m33;Datalines;數(shù)據(jù)；Proc glm;Class env m1 env*m1;Model trait= env m1 env*m1;Run;Proc glm;Class env m2 env*m2;Model trait= env m2 env*m2;Run; 5、 實驗數(shù)據(jù)記錄和處理1. 二因素協(xié)方差分析1）2）2. 水稻品種區(qū)域試驗分析（1）采用SAS軟件的Proc GLM, Proc Mixed和Proc VarCom分析該數(shù)據(jù)，并對品種的表現(xiàn)作適宜的推斷;l GLM分析l Mixed分析 l Var

11、comp模塊分析（2）QTModel分析3. QTL定位分析采用QTLNetwork軟件分析結(jié)果.l 回歸分析l 相關(guān)分析l 方差分析共33組結(jié)果6、 實驗結(jié)果與分析1. 二因素協(xié)方差分析（1） 協(xié)方差分析結(jié)果顯示：v與w的互作 Pr>F 0.1267，不顯著，因此可以對主效應(yīng)進(jìn)行判斷。品種Pr>F 0.0009，因此品種對鮮花產(chǎn)量的影響極顯著。水分 Pr>F <0.0001，因此水分對鮮花產(chǎn)量的影響極顯著。同時，又因為品種F Value（v）=15.36 <F Value（w）=51.50，水分對鮮花產(chǎn)量影響更大。（2） 比較協(xié)方差分析與二因素析因分析結(jié)果之間的

12、差異：析因分析結(jié)果：殘差效應(yīng)很大，表示數(shù)據(jù)有問題或者模型有問題而 Pr>F =0.2268，并未達(dá)到5顯著水平。所以，不能科學(xué)分析品種、水分對鮮花產(chǎn)量的影響。同時，品種與水分兩個因素對鮮花產(chǎn)量影響R-square=0.19，遠(yuǎn)遠(yuǎn)小于1。二因素析因分析方法不合適協(xié)方差分析結(jié)果：該模型 Pr>F <0.0001，達(dá)到極顯著水平。同時，品種與水分兩個因素對鮮花產(chǎn)量影響R-square =0.976。面積s Pr>F <0.0001，表明面積s作為協(xié)變量存在是合理的。因此，協(xié)方差分析適合分析此題數(shù)據(jù)。2. 水稻品種區(qū)域試驗分析(1)GLM模塊分析結(jié)果：Gen*Year*L

13、oc顯著，表明某品種在某年份某地點顯著；同時， Year*Loc Gen*Year Gen*Loc都是不顯著的；主效應(yīng)中，只有Year達(dá)到了5顯著水平。品種1-4 2-4 1-5 2-5 2-3存在5差異。Mixed 模塊分析結(jié)果：Gen*Year*Loc， Year*Loc Gen*Year Gen*Loc 主效應(yīng)Year Loc都是不顯著的,均未達(dá)到5顯著水平。VarCom模塊分析結(jié)果：由第一張表可以得到，各個主效應(yīng)和交互作用的方差估計值，由第二張表可以得到各個主效應(yīng)和交互作用之間的協(xié)方差估計值?？偨Y(jié)：品種主效應(yīng)不顯著。（2）QTModel軟件分析結(jié)果：該模型P-Value:1.28989

14、e-005 ,極顯著。ANOVA Table中， Gen、 Year、 Loc、Year*Loc、 Gen*Year、Gen*Loc、Gen*Year*Loc均達(dá)到5顯著水平。Gen的5個水平P-Value都<0.001，達(dá)到極顯著水平，表明結(jié)果可信。Pairwised comparisons among different levels of Gen結(jié)果顯示，均未達(dá)到5顯著水平，表明品種之間是無顯著差異的。（3）比較SAS軟件和QTModel軟件的分析效益：SAS軟件的Proc GLM, Proc Mixed和Proc VarCom分析該數(shù)據(jù), Gen、Year、Loc、Year*Lo

15、c、Gen*Year、Gen*Loc、Gen*Year*Loc基本均未達(dá)到5顯著水平。未檢測到5顯著差異，數(shù)據(jù)分析結(jié)果是不大令人滿意的。QTModel軟件分析該數(shù)據(jù)，Gen、Year、Loc、Year*Loc、Gen*Year、Gen*Loc、Gen*Year*Loc均達(dá)到5顯著水平。QTModel軟件分析該數(shù)據(jù)Residual 也比較小，分析結(jié)果較可靠。對于此題數(shù)據(jù)，QTModel軟件更適合。相較于SAS的程序編寫，QTModel的命令更加簡單QTModel給出的結(jié)果剔除了一些在分析中用不到的深層次的結(jié)果，從而降低了困難。3. QTL定位分析估算QTL的位置和遺傳效應(yīng)，對群體的QTL位置和遺

16、傳效應(yīng)作統(tǒng)計推斷Ch1上MK8和MK9之間的基因本身不具備效應(yīng)但是與Ch3上的MK25和MK26之間的基因（本身存在效應(yīng)）存在上位性效應(yīng)和上位性與環(huán)境因素互作的效應(yīng)。Ch1上MK8和MK9之間的基因還與Ch1上MK3和MK4之間的基因（本身具有加性和加性與環(huán)境互作效應(yīng)）存在上位性效應(yīng)。Ch1上的MK3和MK4之間的基因存在與Ch2上的MK15和MK16之間的基因（本事具有加性）存在上位性和環(huán)境因素互作的效應(yīng)。區(qū)間加性效應(yīng)是否顯著Env1增減是否顯著Env2增減是否顯著QTL 1-3MK3-44.9395極顯著4.4308極顯著-4.5807極顯著QTL 2-4MK15-16-4.0013極顯著0.0005不顯著-0.0005不顯著QTL 3-6MK28-293,5629極顯著-3.3246極顯著3.1886極顯著互作上位性AA顯著性QTL1-3 &QTL1-83.1775極顯著QTL1-3 &QTL2-40.1924極顯著QTL1-7 &QTL3-3-3.1671極顯著QTL 3